融合Transformer结构的高分辨率遥感影像变化检测网络

为解决遥感影像变化检测全局上下文信息捕获的问题,本文提出了基于孪生结构、跳跃连接结构及Transformer结构的TSU-Net。该模型编码器采用混合CNN-Transformers结构,借助自注意力机制捕获遥感影像的全局上下文信息,增强了模型对于像素级遥感影像变化检测任务的长距离上下文建模能力。该模型在LEVIR-CD数据集和CDD数据集进行测试,F1得分分别为90.73和93.14,优于各对比模型。     

结合差异增强的异源遥感影像变化检测网络

针对现有变化检测方法中单分支网络将原始影像直接求和造成的差异信息损失以及中小目标误检等问题,提出一种基于U-Net的结合差异增强的变化检测网络。将差分图像经过通道注意力机制学习每个通道在特征表示中的差异性,生成与通道相关的权重;利用这些权重与原始图像加权求和,然后将特征增强后的两期图像融合后输入网络;接着通过密集残差块加强编码器信息传递和复用;利用不同形式和尺度的卷积进一步细化检测结果。所提方法在Sardinia和Shuguang数据集中与主流方法进行对比,相较于MUNet, OA分别提升了1.27%和0.74%;F1分别提升了5.32%和1.75%。结果表明,所提方法能够充分利用差异信息,对中小目标以及边缘细节有较高的分割能力。     

基于孪生注意力网络的高分辨率遥感影像变化检测

随着遥感影像空间分辨率的提升,地物成像特征愈加复杂,基于纹理表达和局部语义等技术的变化检测方法已很难满足需求.为提升高分辨率遥感影像的变化检测精度,构建了一套较大规模的0.8～2 m高分辨率遥感人类活动变化检测数据集(HRHCD-1.0);同时将空间注意力和通道注意力机制引入孪生变化检测网络中,设计了具有更强上下文变化...     

高分辨率遥感影像的深度学习变化检测方法

为提升高分辨率遥感影像的变化检测精度,提出一种利用深度学习的变化检测方法。在预处理的基础上,利用顾及邻域信息的改进变化矢量分析算法和灰度共生矩阵算法获取影像间光谱和纹理变化,并通过设置自适应采样区间提取最可能的变化和未变化区域样本。构建并训练包含标签层的高斯伯努利深度限制玻尔兹曼机模型,以提取变化和未变化区域深层特征,从而有效辨别变化区域。通过WorldView-3与Pléiades-1影像的试验表明本文方法在变化检测精度方面优于对比方法。     

基于MATLAB的遥感图像变化检测

主要讨论了遥感图像变化检测的图像几何配准和阈值选取理论,利用MATLAB强大的数值计算功能实现了遥感图像变化检测.在拓展数学符号计算软件包MATLAB应用领域的同时,探索了一种遥感图像处理软件的快速开发方式.     

基于深度学习的遥感变化检测技术应用研究

传统的人工目视变化提取的方式耗费大量的人力、物力且作业周期长,已经无法满足当今快速监测分析的需求,现在利用不同期影像进行智能变化检测和提取成为专家学者和软件方研究的热点。本文将浅析基于深度学习的遥感影像变化检测方法,旨在探索基于遥感影像进行常态化、快速化变化检测的技术路线和相关业务的应用,如基础测绘地形图更新、土地变更调查、地理国情监测更新等,为城市变化信息、地理信息数据的快速更新提供支撑。     

孪生高分辨率卷积神经网络遥感影像变化检测方法

针对遥感影像变化检测问题,提出了一种孪生高分辨率卷积神经网络模型。该模型首先基于孪生网络模型提取不同时相遥感影像的特征,然后将特征拼接后输入到嵌套U形网络中输出变化检测区域。为了提升变化检测效果,进一步设计了高分辨率卷积神经网络用于提取不同时相遥感影像的特征,以充分利用不同分辨率的特征来提升变化检测效果。在LEVIR-CD变化检测数据集上的大量实验表明,所提出方法能够比对比方法获得更高的变化检测精度。     

基于深度学习差值分析的高分影像建筑物变化检测

高分辨率遥感影像的建筑物变化检测在灾害评估、城市管理等方面应用广泛.为提高建筑物变化检测精度,提出一种对不同时相的图像分别进行建筑物提取,再利用差值法进行变化检测提取建筑物变化结果的方法.首先利用基于分类验证原理对高分辨率遥感影像进行建筑物提取与优化,进一步将两幅不同时相的建筑物提取结果转化为两幅二值图像,在此基础上使...     

联合密集连接与注意力的遥感影像变化检测

针对高分辨率遥感影像变化检测中存在的变化像素与未变化像素边界难以准确区分以及变化小、目标检测中容易出现漏检等问题,本文提出一种联合密集连接与注意力的孪生网络(CDASNet)。该网络采用孪生网络的输入方式,并在编码阶段利用残差连接单元以及密集连接的方式增强对原始影像底层特征的提取,同时在解码阶段引入注意力模块为不同层次的特征图赋予新权重来关注变化信息,进一步利用跳跃连接将编码阶段的浅层特征和解码阶段的深层特征进行融合,最终经过上采样恢复原始影像分辨率得到变化检测结果。将本文方法应用在LEVIR-CD数据集和CDD数据集中进行实验,结果表明,本文提出的方法在精度和召回率上都优于FC-Siam-conv、FC-Siam-diff、DSAMNet、SUN-CD 4种方法。     

领域知识优化深度置信网络的遥感变化检测

为提高高分辨率遥感影像变化检测精度,提出一种以领域知识为优化策略的深度学习变化检测方法。利用改进的变化矢量分析和灰度共生矩阵算法获取影像的光谱和纹理变化,设定合理阈值获得变化区域待选样本;引入领域知识中图斑形状特征指数与光谱知识,筛选得到高质量的训练样本;构建并训练了深度置信网络模型,使用优化策略对深度学习变化检测结果进行优化,以减少“椒盐”噪声和伪变化区对检测精度的影响。通过高分二号与IKONOS影像的变化检测实验表明,该方法较优化前准确率与召回率最大增幅分别为7.58%和14.69%（高分二号）、17.08%和23.87%（IKONOS）,虚警率和漏检率最大降幅为30.22%和23.30%（高分二号）、17.08%和23.87%（IKONOS）,能够有效提高变化检测精度。     

不同分辨率遥感图像变化检测研究

变化检测是遥感图像应用的重要方面之一,变化检测一般采用同类传感器获得的图像.由于图像获取的条件有限,也可以用不同分辨率的传感器图像进行变化检测.本文讨论了不同分辨率遥感图像用于变化检测的方法与过程,并利用具体图像进行了变化检测.     

融合UNet++网络和注意力机制的高分辨率遥感影像变化检测算法

针对高分辨率遥感影像变化检测存在漏检和检测边界粗糙的问题,提出一种基于UNet++和注意力机制的高分辨率遥感影像变化检测算法.该算法采用UNet++网络作为基础网络提取特征,并在基本卷积单元中引入注意力机制突出重要特征,由此完成遥感影像端到端的变化检测.在高分辨率卫星影像变化检测数据集中进行了验证,相比于经典语义分割网...     

异源高分辨率光学卫星遥感影像联合定位

本文提出一种基于RFM和投影射线法的异源高分辨率光学卫星遥感影像定位算法:首先利用高分辨率遥感影像RFM正解模型迭代计算其反解模型;接着通过RFM正反解模型构建投影射线,最后采用迭代求取射线交点的方法确定地面三维实际坐标。实验对比结果表明,联合具有一定重叠度的异源高分辨率光学卫星遥感影像进行立体定位具有较强的可行性,并可达到一定的精度。     

基于FastICA算法的遥感图像中地物变化检测

随着遥感技术的发展,地物变化检测在环境灾害评估、森林资源、土地资源、农业资源的动态变化检测等领域应用广泛,成为当前遥感图像应用的一个重要研究方向。采用能够消除信号间的高阶相关信息的快速独立分量分析法进行多时相多光谱遥感图像的变化检测,应用Open RS平台,实现基于Fast ICA的遥感图像变化检测算法,用检测概率、漏警率、虚警率、检测误差以及Kappa系数来进行多时相遥感图像的变化检测精度验证。     

光学遥感影像变化检测研究的回顾与展望

地理实体或现象的变化数据是自然资源管理、灾害监测、生态环境保护和可持续发展等的重要科学分析依据。光学遥感影像变化检测是遥感科学与技术的重要研究领域,40年来,国内外学者针对遥感影像变化检测做了大量研究工作,取得了一系列成果。力图从变化检测关键问题、方法与技术、面临的挑战以及应用领域等多个角度对光学遥感影像变化检测研究进行系统的回顾,分析变化检测技术的研究现状,并且提出未来有待进一步解决的研究问题。     

基于多时相遥感图像智能变化检测方法的研究

采用一种智能变化检测方法,首先对多实相遥感图像进行预处理;其次进行特征提取;然后通过数量差异计算、阀值确定、空间滤波进行检测;最后提取出感兴趣的区域,得出定量结果,并通过试验证明这种方法在实际应用中是可行的和有效的。     

高分影像变化检测的孪生差分特征融合网络

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。     

面向对象的遥感变化检测研究

通过分析传统的遥感变化检测方法存在的问题,提出了面向对象的遥感变化检测方法。本文利用某地ETM+两个时相的遥感影像,将面向对象和传统变化检测方法进行定性定量的比较,从而得出面向对象的遥感变化检测方法的优势。该方法采用了基于相邻影像区域合并异质性最小的面向对象的多尺度分割方法和模糊分类的方法对变化检测图像进行处理,从而提高了变化检测结果的精度。最终得到较理想的实验分析结果。     

基于LBP/C纹理的遥感影像居民地变化检测

针对遥感影像上居民地纹理的特点,将基于方差的纹理分析方法、基于LAWS纹理能量测度的纹理分析方法、基于LBP/C(local binary pattern/contrast)的纹理分析方法分别对遥感影像上的居民地纹理特征进行分析描述;然后进行基于区域生长的扩张检测,得到居民地变化检测的结果。对不同地区、不同居民地分布情况的遥感影像进行了居民地扩张变化检测的试验。结果表明,基于LBP/C的变化检测方法可以高精度地检测出居民地的扩张变化,并提高了检测的自动化程度。     

多时相遥感变化检测的动态贝叶斯网络研究

动态贝叶斯网络是20世纪90年代在贝叶斯网络基础上发展起来的、利用时序动态数据产生可靠概率推理的新方法，动态贝叶斯网络为实现遥感变化检测从静态到动态分析提供了一种新的途径。在实现了贝叶斯网络遥感数据分类的基础上，把握发展动态，探索了利用动态贝叶斯网络对多时相多特征遥感数据进行变化检测的问题。以北京东部地区1994年、2001年和2003年5月Landsat TM遥感数据为例，介绍了利用动态贝叶斯网络进行多时相遥感变化检测的基本过程。实验结果表明：动态贝叶斯网络算法可以一次性输入和处理多个时相的遥感数据，并通过概率和有向无环图表达了不同时间片段之间特征和状态变化的关系。