基于双时相特征筛选的遥感图像变化检测模型
利用遥感图像变化检测对建筑物进行实时监测是国土资源环境部门调查管理工作开展的关键技术手段.本文针对遥感图像变化检测任务中未充分利用双时相图像间的依赖关系和空间细节信息丢失导致检测精度下降的问题,提出了一种基于双时相特征筛选的轻量级遥感图像变化检测模型.在编码部分,利用精简MobileNetV3分别提取双时相遥感图像不同层级的特征,将同级特征输入特征筛选模块后通过注意力机制和阈值筛选的方式建立双时相图像间的关系,生成更具判别性的特征.在解码部分,为解决普通上采样导致边界像素被分配错误的问题引入了位置指导上采样模块,通过与特征筛选模块协同工作利用双时相图像间的关系指导上采样过程.针对下采样操作导致空间细节信息丢失的问题,采用多尺度特征融合模块来聚合多级特征生成更具空间细节信息的变化图.通过在CDD和DSIFN变化检测数据集上的综合实验表明,本文所提模型在F1分数上分别达到89.42％和79.43％,模型计算量和参数量分别为5.72GFLOPs和1.89 MB,预测时间达到0.02 s,相较于其他模型在精度和实时性上均具有显著优势,更适合在移动端部署,且本文模型检测的可视化结果更为完整,对于变化边界的检测也更加平滑.
变化检测、遥感图像、特征筛选、位置指导上采样、多尺度融合、深度学习、注意力机制、空间细节信息
25
TP391;TP751;TN911.73
2023-11-27（万方平台首次上网日期，不代表论文的发表时间）
共13页
2268-2280
