一种基于导向滤波与全局对比的自监督遥感图像变化检测方法

本发明公开一种基于导向滤波与全局对比的自监督遥感图像变化检测方法。该方法无需任何带标注的数据来训练神经网络，只需使用少量待检测遥感图像对神经网络进行自监督训练，即可通过阈值分割得到变化区域。本发明使用对比学习框架进行自监督训练，对输入图像进行不同方式的图像增强，得到两个视图，之后使用孪生卷积神经网络对两个视图进行进行特征提取，并以两视图特征相似度最高为收敛目标。训练完成后，对待检测双时相图像进行特征提取，并使用阈值分割法获取变化区域。为增强图像特征于真实物体的吻合度，本发明提出了基于导向滤波的重建模块辅助神经网络进行特征提取。为减少提取特征中的噪声，本发明还提出了全局信息对比模块来增强特征质量。仿真结果表明，本发明提出的方法有效提高了总精度、卡帕系数、F1分数和IOU分数四项关键指标。