改进U-Net的遥感图像中建筑物变化检测

摘要：

提出了一种改进U-Net的遥感图像中建筑物变化检测方法,将变化检测问题转化为像素级二分类问题,利用U-Net模型对图像进行分类,把图像中的每个像素划分为变化类或非变化类,并根据变化类的像素得到建筑物的变化检测结果图.针对U-Net模型进行遥感图像中建筑物变化检测时,在训练中容易出现过拟合的现象,提出用非对称卷积块代替U-Net网络特征提取部分的标准卷积操作,增强卷积核的鲁棒性和网络的中心骨架,防止过拟合;针对变化检测数据集中图像背景复杂、小目标的变化情况容易被漏检的问题,提出在U-Net中引入注意力机制,抑制模型对非变化类像素特征的学习,加强对变化类特征的学习,提取到更适合的特征.实验结果表明,在引入非对称卷积块和注意力机制后,变化检测的F1分数有明显的提升.

关键词：建筑物变化检测、U-Net、非对称卷积块、注意力机制

所属期刊栏目：57

分类号：TP391.41(计算技术、计算机技术)

资助基金：河北省高等学校科学技术研究重点项目;河北省自然科学基金

在线出版日期：2021-02-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：239-246