基于深度学习的多时相实景三维地理场景变化检测方法

本发明公开了一种基于深度学习的多时相实景三维地理场景变化检测方法，涉及图像处理的技术领域。通过获取不同时相的遥感影像，对遥感影像进行预处理，得到第一输入图像和第二输入图像；将第一输入图像和第二输入图像作为预训练的深度学习模型的输入，得到二值掩膜图像；深度学习模型是一种基于双支主副分支结构多密集特征增强网络的深度学习模型；根据二值掩膜图像，确定地理场景变化区域。通过将下采样部分的特征图与上采样部分跳跃连接，有效保留细节特征，缓解下采样过程中信息损失的问题，增强对几何形状和纹理变化的敏感性，从而提高了对变化区域识别的准确性。