高分影像变化检测的孪生差分特征融合网络

摘要：

针对目前高空间分辨率光学遥感影像地表变化检测面临的挑战,该文提出一种孪生差分特征融合网络方法,一方面增强了对深层变化特征的提取能力,通过差分特征能更好地引导网络学习;另一方面在网络末端引入深监督策略,有效融合多尺度信息,充分利用不同语义层次特征,从而生成高精度的变化检测结果.此外,还设计了顾及样本不均衡问题的损失函数,降低正负样本极度不平衡对模型训练的负面影响.为了评估该文提出方法的有效性和优势,在两个公开变化检测数据集上将其与5种具有代表性的变化检测方法进行对比实验,结果证明该方法能有效提升变化检测的精度,并且对尺度差异明显的地物有较强的检测能力,在轮廓细化上具有显著优势.

关键词：变化检测、卷积神经网络、深度学习、遥感影像、高空间分辨率

所属期刊栏目：48

分类号：P237(摄影测量学与测绘遥感)

资助基金：自然资源部城市国土资源检测与仿真重点实验室开放基金项目KF-2021-06-003

在线出版日期：2023-07-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：129-139