用于遥感图像变化检测的全尺度特征聚合网络

摘要：

变化检测(CD)是遥感的一项重要任务,通常面临许多伪变化和较大的尺度变化.目前的方法主要侧重于对差异特征的建模,忽略了从原始图像中提取足够的信息,影响了特征的识别能力,难以稳定地区分出变化区域.针对以上问题,提出了一种全尺度特征聚合网络(FFANet)来更充分地利用原始图像特征,促使生成的特征表示在语义上更丰富、在空间上更准确,从而提高了网络对小目标和目标边缘的检测性能.同时,拓展了深监督来结合多尺度的预测图,以促使不同对象在更合适的尺度上进行检测,从而提升了网络对对象尺度变化的鲁棒性.在CDD数据集上,相比于基线网络,所提方法仅增加了1.01×106的参数量,就将F1分数提升了0.034.

关键词：变化检测(CD)、深监督、全尺度特征聚合、多尺度预测、遥感图像

所属期刊栏目：48

分类号：TP751(遥感技术)

资助基金：山东省自然科学基金ZR2020MF132

在线出版日期：2022-09-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1464-1470