差异特征融合的无监督SAR图像变化检测
针对Siamese网络忽略不同层级差异特征之间的关联导致检测精度有限的问题,提出了基于差异特征融合的无监督SAR(synthetic aperture radar)图像变化检测算法.首先,利用对数比值算子和均值比值算子构建两幅信息互补的差异图,通过引入能量矩阵对差异图进行像素级融合以提高其信噪比;其次,设计了一种基于差异特征融合的Siamese网络(difference feature fusion for Siamese,DFF-Siamese),该网络能够通过差异特征提取模块在决策层综合衡量不同层级特征之间的差异程度,从而有效增强网络的特征表达能力;最后,利用模糊聚类算法对融合结果进行分类构建"伪标签",用于训练DFF-Siamese网络以实现高精度SAR图像变化检测.在3组真实遥感数据集上的实验结果表明,本文提出的算法与其他对比算法相比具有更高的检测精度和更低的错误率.
SAR遥感影像;变化检测;无监督学习;卷积神经网络;特征融合;差异图像;模糊聚类;孪生网络
16
TP18(自动化基础理论)
国家自然科学基金项目;陕西省杰出青年科学基金项目;陕西省重点研发计划项目
2021-08-31(万方平台首次上网日期,不代表论文的发表时间)
共10页
595-604