(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211358970.X (22)申请日 2022.11.02 (71)申请人 山东锋士信息技 术有限公司 地址 250101 山东省济南市高新 技术产业 开发区舜华路1号齐 鲁软件园6号楼 (72)发明人 孙启玉　刘玉峰　孙平　 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/74(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) (54)发明名称 一种基于卷积自编解码器的遥感图像无监 督变化检测方法 (57)摘要 本发明涉及一种基于卷积自编解码器的遥 感图像无监督变化检测方法， 属于遥感图像技术 领域。 方法包括步骤： S1.对同一地点两个不同时 期的遥感图像进行裁剪、 缩放并预处理成图像 块， 划分数据集； S2.将两个时期的 图像块分别输 入构建的遥感图像变化检测模型， 先编码生成多 层特征图再解码生成多层特征图， 选解码生成的 某两层或多层特征图中对应的两个时期的两对 或多对特征图送入变化图预测器预测变化； S3. 计算不同时期特征图中的特征值损失和分布损 失， 取和得总损失， 根据损失值训练优化模型； S4.利用最后模型， 将不同时期的遥感图像送入 模型， 得变化预测图。 本发明大大减少了地物类 别标注所需的人力物力， 同时提升了变化检测算 法的精度。 权利要求书2页 说明书6页 附图4页 CN 115409842 A 2022.11.29 CN 115409842 A 1.一种基于卷积自编解码器的遥感图像无监督变化检测方法， 其特征是， 包括步骤如 下： S1. 对同一地点两个不同时期的遥感图像进行裁剪、 缩放并预处理成图像块， 划分数 据集； S2. 将两个时期的图像块分别输入构建的遥感图像变化检测模型， 先编码生成多层特 征图再解码生成多层特征图， 选解码生成的某两层或多层特征图中对应的两个时期的两对 或多对特 征图送入变化图预测器预测变化； 所述的遥感图像变化检测模型包括卷积自编 解码器和变化图预测器， 卷积自编 解码器 由编码器和解码 器两部分组成， 编 码器由多个编码模块组成， 解码 器由多个解码模块组成， 编码器生成多个尺寸的特征图即多层特征图， 解码器对其最后一层特征图进行解码， 依 次 生成多个尺寸的特 征图即多层特 征图； S3. 用误差平方和来计算不同时期特征图中的特征值损失， 使用Kullback –Leibler散 度来计算 不同时期特 征图的分布损失， 取和得总损失， 根据损失值训练优化模型； S4.利用最后训练好的变化检测模型， 将不同时期的遥感图像送入模型， 得到变化预测 图。 2.根据权利要求1所述的一种基于卷积自编解码器的遥感图像无监督变化检测方法， 其特征是， 步骤S1所述的预 处理为随机选择部 分图块进 行上下左右随即翻转； 计算 RGB三通 道的均值和标准差， 对图块进行 标准化， 最终得到尺寸 为256*256*3的图块。 3.根据权利要求1所述的一种基于卷积自编解码器的遥感图像无监督变化检测方法， 其特征是， 步骤S2所述的多个编码模块每个编码模块包含一个3*3卷积， 一个批归一化层， 一个ReLU激活函数层； 所述的多个解码模块每个解码模块包含一个3*3 反卷积， 一个批归一 化层， 一个ReLU激活函数层。 4. 根据权利要求1所述的一种基于卷积自编 解码器的遥感图像无监督变化检测方法， 其特征是， 步骤S2所述的编码 器由四个编码模块组成， 生成四个尺 寸的特征图， 两个时期分 别对应特征图 F11和F21、F12和F22、F13和F23、F14和F24； 解码器由三个解码模块组成， 解码器对 编码生成的最后一层特征图进行解码， 依 次生成三个尺寸的特征图， 两个时期分别对应特 征图F11’和F21’、 F12’和F22’、 F13’和F23’。 5. 根据权利要求4所述的一种基于卷积自编 解码器的遥感图像无监督变化检测方法， 其特征是， 步骤S2将得到的 F12’和F22’、 F13’和F23’两对特征图输入变化图预测器。 6.根据权利要求1所述的一种基于卷积自编解码器的遥感图像无监督变化检测方法， 其特征是， 步骤S2所述的变化图预测器包含一个1*1卷积， 一个3*3卷积和一个sigmoid函 数。 7.根据权利要求1所述的一种基于卷积自编解码器的遥感图像无监督变化检测方法， 其特征是， 步骤S 3所述的用误差平方和来计算不同时期特征图中的特征值损失的计算 公式 如下： 其中， N为参与计算的特征图层数， 本发明为2， X为时期1的遥感图像特征图， X ’为时期2权　利　要　求　书 1/2 页 2 CN 115409842 A 2的遥感图像特 征图， 这里 是对X， X’两张图中的每对像素计算差异值； 所述的用Kul lback–Leibler散度来计算 不同时期特 征图的分布损失的计算公式如下： 其中， 为时期1的特 征图概率分布， 为时期2的特 征图概率分布。 8.根据权利要求1所述的一种基于卷积自编解码器的遥感图像无监督变化检测方法， 其特征是， 步骤S3根据损失值进行模型训练优化， 训练使用SGD优化器， 动量为0.9， 开始训 练时， 学习率采用预热的方法逐渐增大至0.01， 将批次大小设置为4， 即训练时四对图片算 作一次迭代， 每对图片为同一地点两个时期的遥感图像， 共四万次迭代， 每次迭代完成后分 别输出损失。 9.一种基于卷积自编解码器的遥感图像无监督变化检测设备， 包括存储器、 处理器及 存储在存储器上并可在处理器上运行 的计算机程序， 其特征是， 所述处理器执行所述程序 时实现如权利要求 1‑8任意一项所述的基于卷积自编解码 器的遥感图像无监督变化检测方 法。 10.一种存储设备， 其为计算机可读存储设备， 所述的计算机可读存储设备上存储有计 算机程序用于实现如权利要求 1‑8任意一项所述的基于卷积自编解码 器的遥感图像无监督 变化检测方法中的步骤。权　利　要　求　书 2/2 页 3 CN 115409842 A 3