公开(公告)号：CN109558806B

公开(公告)日：2021-09-14

申请号：CN201811316602.2

申请日：2018-11-07

Applicant: 北京科技大学

Inventor： 张德政 ,  杨攀 ,  栗辉 ,  徐聪 ,  阿孜古丽·吾拉木 ,  丁瑞东

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种高分遥感图像变化的检测方法和系统。其中，该方法包括：获取两时相图像中每个像素的邻域特征；将邻域特征输入分支卷积神经网络模型得到图像的类别，其中，类别是变化类和未变化类；分支卷积神经网络模型是对图像进行无监督预训练得到的，分支卷积神经网络模型包括输入层、分支网络、全连接层和分类层，分支网络是用于将邻域特征作为标签并将邻域特征卷积降维的，分类层是用于将图像分为不同类别的。本发明解决了现有技术中对图像变化检测精度不高的技术问题。

公开(公告)号：CN109558806A

公开(公告)日：2019-04-02

申请号：CN201811316602.2

申请日：2018-11-07

Applicant: 北京科技大学

Inventor： 张德政 ,  杨攀 ,  栗辉 ,  徐聪 ,  阿孜古丽·吾拉木 ,  丁瑞东

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种高分遥感图像变化的检测方法和系统。其中，该方法包括：获取两时相图像中每个像素的邻域特征；将邻域特征输入分支卷积神经网络模型得到图像的类别，其中，类别是变化类和未变化类；分支卷积神经网络模型是对图像进行无监督预训练得到的，分支卷积神经网络模型包括输入层、分支网络、全连接层和分类层，分支网络是用于将邻域特征作为标签并将邻域特征卷积降维的，分类层是用于将图像分为不同类别的。本发明解决了现有技术中对图像变化检测精度不高的技术问题。