(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 202210550967.1 (22)申请日 2022.05.20 (71)申请人 中国人民解 放军国防科技大 学 地址 410073 湖南省长 沙市开福区德雅路 109号 (72)发明人 陈浩　孙承哲　彭双　伍江江　 杜春　熊伟　李军　杨岸然　景宁　 陈荦　 (74)专利代理 机构 长沙国科天河知识产权代理 有限公司 432 25 专利代理师 邱轶 (51)Int.Cl. G06V 10/74(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01)G06V 20/10(2022.01) (54)发明名称 半监督遥感影像变化检测方法、 装置和计算 机设备 (57)摘要 本申请涉及一种半监督遥感影像变化检测 方法、 装置和计算机设备。 所述方法包括： 输入有 标签遥感影像对、 真实标签和无标签遥感影像 对； 根据有标签遥感影像对和真实标签计算得到 监督损失； 根据无标签遥感影像对计算得到无监 督损失； 根据监督损失和无监督损失加权计算得 到总损失， 将总损失最小作为目标函数， 利用优 化器训练变化检测模型得到半监督遥感影像变 化检测模型。 采用本方法能够 有效地利用少量有 标签遥感影像对和大量无标签遥感影像对提高 遥感影像的变化检测精度， 克服了标签数据不足 的问题， 释放了 遥感大数据的潜力。 权利要求书3页 说明书11页 附图4页 CN 114882252 A 2022.08.09 CN 114882252 A 1.一种半监 督遥感影 像变化检测方法， 其特 征在于， 所述方法包括： 输入有标签遥感影像对、 真实标签和无标签遥感影像对， 所述真实标签为所述有标签 遥感影像对大小匹配的变化灰度图像； 将所述有标签遥感影像对进行弱增强处理得到弱增强有标签遥感影像对， 将所述弱增 强有标签遥感影像对输入到变化检测模型中， 得到第一变化检测结果， 根据所述第一变化 检测结果和所述真实标签进行计算得到监 督损失； 将所述无标签遥感影像对进行所述弱增强处理得到弱增强无标签遥感影像对， 将所述 弱增强无标签遥感影像对进行强增强处理得到畸变图像， 将所述畸变图像输入到所述变化 检测模型中， 得到第二变化检测结果； 将所述弱增强无标签遥感影像对输入到所述变化检测模型中， 得到第三变化检测结 果， 将所述第三变化检测结果进 行所述强增强处理并进行置信度阈值过滤器过滤得到伪标 签， 根据所述第二变化检测结果和所述伪标签 计算得到无监 督损失； 根据所述监督损失和所述无监督损失加权计算得到总损失， 将所述总损失最小作为目 标函数， 利用优化器训练所述变化检测模型 得到半监 督遥感影 像变化检测模型。 2.根据权利要求1所述的方法， 其特征在于， 输入有标签遥感影像对、 真实标签和无标 签遥感影 像对， 包括： 输入所述有标签遥感影像对， 其中， 同一对有标签遥感影像由同一区域不同时相的两 张有标签遥感影像组成， 不同对有标签遥感影像由不同区域不同时相的两张由有标签遥感 图像组成； 输入所述真实标签， 所述真实标签为所述有标签遥感影像对大小匹配的变化灰度图 像； 输入所述无标签遥感影像对， 其中， 同一对无标签遥感影像由同一区域不同时相的两 张无标签遥感影像组成， 不同对无标签遥感影像由不同区域不同时相的两张无标签遥感图 像组成。 3.根据权利要求1所述的方法， 其特征在于， 将所述有标签遥感影像对进行弱增强处理 得到弱增强有标签遥感影 像对， 包括： 将所述有标签遥感影像对进行预设幅度的平移和/或翻转得到弱增强有标签遥感影像 对， 其中， 将所述同一对有标签遥感影像进 行相同预设幅度的平移和/或翻转得到同一对弱 增强有标签遥感影像， 将所述不同对有标签遥感影像进行随机预设幅度的平移和/或翻转 得到不同对弱增强有标签遥感影 像； 将所述无 标签遥感影 像对进行 所述弱增强处 理得到弱增强无 标签遥感影 像对， 包括： 将所述无标签遥感影像对进行预设幅度的平移和/或翻转得到弱增强无标签遥感影像 对， 其中， 将所述同一对无标签遥感影像进 行相同预设幅度的平移和/或翻转得到同一对弱 增强无标签遥感影像， 将所述不同对无标签遥感影像进行随机预设幅度的平移和/或翻转 得到不同对弱增强无 标签遥感影 像。 4.根据权利要求1所述的方法， 其特征在于， 所述变化检测模型由暹罗编码器和解码器 组成， 其中， 所述编码器还 包括图注意力模块： 所述暹罗编码器通过共享权重和参数对图像进行下采样处理， 提取所述图像的图像特 征， 将所述图像特征作为节点， 利用所述图注意力模块融合所述节点的邻居节点对应的图权　利　要　求　书 1/3 页 2 CN 114882252 A 2像特征得到所述节点的图像融合特征值， 将所述图像融合特征值输入注意力单元， 得到融 入注意力机制的注意力特征， 所述解码器通过提取所述注意力特征得到变化检测结果， 其 中， 所述图像包括所述弱增强有标签遥感影像对、 所述畸变图像和所述弱增强无标签遥感 影像对， 所述变化检测结果包括所述第一变化检测结果、 所述第二变化检测结果和所述第 三变化检测结果。 5.根据权利要求1所述的方法， 其特征在于， 根据 所述第一变化检测结果和所述真实标 签进行计算得到监 督损失， 包括： 利用交叉熵损失函数和骰子损失函数对所述第一变化检测结果和所述真实标签进行 计算， 得到所述 监督损失。 6.根据权利要求1所述的方法， 其特征在于， 将弱增强无标签遥感影像对进行强增强处 理得到畸变图像， 包括： 将所述弱增强无标签遥感影像对进行预设强度和预设组合的颜色增强和/或形状增强 得到畸变图像， 其中， 将所述同一对弱增强无标签遥感影像进 行颜色增强和/或形状增强的 预设强度和预设组合相同， 将所述不同对弱增强无标签遥感影像进行颜色增强和/或形状 增强的预设强度和预设组合随机 。 7.根据权利要求1所述的方法， 其特征在于， 将所述第 三变化检测结果进行所述强增强 处理并进行置信度阈值过 滤器过滤得到伪标签， 包括： 将所述第三变化检测结果进行预设强度和预设组合的颜色增强和/或形状增强得到强 增强第三变化检测结果； 将所述强增强第 三变化检测结果输入所述置信度阈值过滤器， 设定所述置信度阈值过 滤器的置信度阈值， 剔除小于所述置信度阈值的所述 强增强第三变化检测结果的像素预测 值， 保留大于所述置信度阈值的所述强增强第三变化检测结果的像素预测值， 得到所述伪 标签。 8.根据权利要求1所述的方法， 其特征在于， 根据 所述第二变化检测结果和所述伪标签 计算得到无监 督损失， 包括： 根据所述交叉熵损失函数和所述骰子损失函数对所述第二变化检测结果和所述伪标 签进行计算， 得到无监 督损失。 9.一种半监 督遥感影 像变化检测装置， 其特 征在于， 所述装置包括： 图像输入模块， 用于输入有标签遥感影像对、 真实标签和无标签遥感影像对， 所述真实 标签为所述有标签遥感影 像对大小匹配的变化灰度图像； 监督损失计算模块， 用于将所述有标签遥感影像对进行弱增强处理得到弱增强有标签 遥感影像对， 将所述弱增强有标签遥感影像对输入到变化检测模型中， 得到第一变化检测 结果， 根据所述第一变化检测结果和所述真实标签进 行计算得到监督损失， 其中， 所述第一 变化检测结果 为所述弱增强有标签遥感影 像对大小匹配的变化灰度图像； 无监督损失计算模块， 用于将所述无标签遥感影像对进行所述弱增强处理得到弱增强 无标签遥感影像对， 将所述弱增强无标签遥感影像对进行强增强处理得到畸变图像， 将所 述畸变图像输入到所述变化检测模型中， 得到第二变化检测结果， 其中， 所述第二变化检测 结果为所述畸变图像大小匹配的变化灰度图像； 将所述弱增强无标签遥感影像对输入到所 述变化检测模型中， 得到第三变化检测结果， 将所述第三变化检测结果进行所述强增强处权　利　要　求　书 2/3 页 3 CN 114882252 A 3