改进SeMask主干网络的高分辨率遥感影像变化检测模型
随着城市化进程的加速和人口不断增加,土地资源的利用和管理变得愈发重要.高分辨率遥感影像技术的发展为土地覆盖类别变化检测提供了新的途径.目前,多数遥感影像变化检测任务主要针对显著建筑物的变化检测,缺少对土地覆盖类别变化检测任务的研究,本研究基于公开数据集,对更多土地覆盖类别变化情况进行标注.在原语义分割主干网络的基础上结合孪生网络结构,提出适用于土地覆盖类别变化检测任务的检测模型,该模型在网络的特征提取阶段加入变化引导模块,以辅助网络关注两时相影像中的变化信息,并在网络不同阶段加入通道信息交互模块,以增强不同特征图的信息融合.同时,在特征提取阶段最后一层加入特征对齐模块,以缓解下采样过程导致的特征偏移.在土地覆盖类别变化检测数据集上的实验结果表明,本文提出的方法可以有效提取影像中的变化信息,并提高分割精度.
深度学习、遥感影像、变化检测、Transformer
32
TP391.41;F320.3;P237
青海省科技厅自然科学基金2021-ZJ-952Q
2023-11-15(万方平台首次上网日期,不代表论文的发表时间)
共8页
167-174