遥感大数据深度学习变化检测

      不知不觉，深度学习已经改变了传统方法的研究路线，你们一窝蜂的研究这个方法了，事实证实，这个方法，确实是目前最有效的视觉方法。。。虽然有点，就不说了！

      利用深度学习进行遥感影像全自动变化检测，这两年飞速发展，精度与效率已经远超传统方法，可是真正将深度学习方法用到实际生产工做，几乎少有人作，目前在作的几个单位，无非就是中科院遥感所，天然资源部国土卫星中心，武汉大学等等。我本身也是这里面的一个，把深度学习方法真正落到实际生产做业中，根据一线做业人员的反馈，虽然不能100%准确，可是能够节省大部分人工工做量了，我仍是很欣慰的，靠人工去自动勾变化图斑，量大，人累。作了这么些工做，用一句话能够归纳，“科技是第一辈子产力！”

     下面我以两期多时相影像，利用深度学习方法作的全自动变化监测，并最终输出变化图斑，整个技术流程简单介绍一下:

图 实验区域与检测结果（黄色为自动检测出的变化图斑，蓝色为训练样本）

      更多的局部图斑细节：

                                                             

                                                                                                               图 道路区域变化监测结果     

                                                             

                                                                                                        图 林地变化提取结果

                                                            

                                                                                                      图 建筑物变化提取结果 

       唉，再次吐槽一下博客园的编辑系统，实在是太差了，编辑太不方便了，并且美观性也不行。。。算了。我是随意选取的几种变化检测提取结果，从这个

结果能够看出，基本上变化图斑均能发现，可是边界并不十分完美，所以后面须要人工进行边界修正等，还有一些伪图斑删除，以下面的云覆盖区域，误识别

成变化图斑，所以须要后期删除：

                                                             

                                                                                                  图 伪变化图斑状况

      看完告终果，下面我说一下这个技术流程，总得来讲分为如下几个思路：

      1. 影像预处理。如何大规模镶嵌影像数据集，这是一个关键技术问题，我这里是调用的arcgis镶嵌工具，效率较低，对于上百景影像则会效率很低，不知道你们有没有

什么好的方法，能够一块儿讨论讨论；

      2.分块处理。深度学习方法输入通常是规则的整数块，如1000*1000等，这个能够用GPU计算解决。

      3.栅格矢量化，平滑。这个能够调用一些开源工具集解决，可是我本身是用的本身开发的平滑算法，效果就是上面你们看到的了，视觉上仍是不错的。

     关于我用的模型，我这里贴出来，给你们看一下关键部分： 

                                                                                 

 

                                                                                                                         图 深度模型关键部分

       我这里是改进的一个轻量级语义分割算法，用了四层并联的空洞卷积，加上一个平均池化层，最后用cat方式融合多特征，全部卷积所有采用可分离卷积，

这个好处，就是训练很快，参数极少，个人参数量一块儿是32MB，比较小了，在不好的笔记本上cpu计算均可以。

      咱们再来测试一下，大规模场景如何，我选择深圳做为测试区域，样本大概选了20个左右，全为336*336大小，技巧上采用通用的tricks就差很少了，

咱们来看看效果：

 

 总共发现了2688个变化，我肉眼对比了下，基本上搞出了变化，结果仍是很是不错的。。。

      在图像预处理方面，输入均为525*525大小，好吧，先写到这里，若是你们须要个人全套代码，请联系qq1044625113，加时请备注：深度变化检测。