CN115564721B 基于局部信息增强的高光谱图像变化检测方法 （西安电子科技大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN115564721B(45)授权公告日2025.07.04

(21)申请号202211184372.5

(22)申请日2022.09.27

(65)同一申请的已公布的文献号申请公布号CN115564721A

(43)申请公布日2023.01.03

(73)专利权人西安电子科技大学

地址710000陕西省西安市雁塔区太白南

路2号

专利权人西安电子科技大学广州研究院(72)发明人曲家慧贺杰董文倩李云松

(74)专利代理机构广东省中源正拓专利代理事

务所(普通合伙)44748专利代理师王明亮

(51)Int.CI.

GO6T7/00(2017.01)

GO6V10/20(2022.01)

GO6V10/26(2022.01)

GO6V10/40(2022.01)

GO6V10/774(2022.01)

GO6V20/10(2022.01)

(56)对比文件

CN108197650A,2018.06.22CN112733725A,2021.04.30

审查员隗仁然

权利要求书3页说明书10页附图2页

(54)发明名称

基于局部信息增强的高光谱图像变化检测方法

(57)摘要

CN115564721B本发明公开了一种基于局部信息增强的高光谱图像变化检测方法；涉及图像处理技术领域；输入两幅在同一区域不同时间获取的双时相高光谱图像，对图像进行预处理，并选取训练样本集；设计了局部信息增强Graph-transformer块，通过卷积运算获取局部信息注入到Graph-Transformer中；基于提出的LIEG块，构建了级联多个LIEG块的双分支局部信息增强变化检测网络，充分提取多时相的HSI特征；最后将获得的多时相特征做差值，经过一个分类器后得到最终的变化检测结果图；本发明实现了Transformer在HSI变化检测任务中的应用，充分提取了HSI

CN115564721B

度。

S101

S101

输入两幅在同一区域不同时间获取的双时相高光谱图像，并对图像进行预处理

S102

引入简单线性迭代聚类(SLIC)方法进行超像素分割、得到图节点

S103

设计Graph-transformer对图像的全局上下文进行建模

S104

设计可有效地同时提取局部和全局特征信息的LIEG块，通过卷积运算获取局部

信息注入Graph-transformer。

S105

多层LEG块用于构建双分支变化检测网络。得到D-LIEG结构.以充分提取多时相HSI的局部-全局特征，

S106

将两个分支的输出相减，得到差分特征，分类后得到变化检测预测图

S107

CN115564721B权利要求书1/3页

2

1.基于局部信息增强的高光谱图像变化检测方法，其特征在于，具体步骤为：

S101、输入两幅在同一区域不同时间获取的双时相高光谱图像，对图像进行预处理，并选取训练样本集；

S102、引入简单线性迭代聚类SLIC方法对图像进行超像素分割，得到图节点；

S103、构建Graph-transformer对图像的全局上下文进行建模；

S104、设计可有效同时提取局部和全局特征信息的LIEG块，通过卷积运算获取局部信息并注入Graph-transformer;

S105、多层LIEG块用于构建双分支变化检测网络，得到D-LIEG网络结构，以提取多时相HSI的局部和全局特征；

S106、将两个分支的输出做差值，得到差分特征，分类后得到变化检测预测图；

S107、对搭建好的D-LIEG网络模型进行有监督的训练，得到适合该模型的网络参数。

2.如权利要求1所述的基于局部信息增强的高光谱图像变化检测方法，其特征在于，所述步骤S101中输入两幅在同一区域不同时间获取的双时相高光谱图像，对图像进行最大最小归一化预处理，并选取训练样本集，归一化公式为：

其中，x;表示高光谱图像中的一个像元，xmin和xmax分别表示高光谱图像的最大值和最小值，x为归一化后的一个像元；随机选出总样本的1%或0.5%作为训练样本集。

3.如权利要求1所述的基于局部信息增强的高光谱图像变化检测方法，其特征在于，所述步骤S102中引入简单线性迭