联合UNet++和多级差分模块的多源光学遥感影像对象级变化检测
随着传感器技术的飞速发展,基于多源光学遥感影像的变化检测已成为遥感领域中的研究热点.由于传感器成像差异,同一景象在多源光学遥感影像中通常呈现出不同的表现形式,因此面临着更加突出的"伪变化"问题.为此,本文提出了一种联合UNet++和多级差分模块的多源光学遥感影像对象级变化检测方法.该方法首先提出了一种多尺度特征提取差分(multi-scale feature extraction difference,MFED)模块,以增强模型对"伪变化"的识别能力;在此基础上,利用UNet++网络输出的多尺度特征对变化区域进行多角度精细刻画,并提出了 一种自适应证据置信度指标(aidaiptive evidence credibility indicators,AECI);最后结合影像分割与Dempster-Shafer(DS)理论设计了加权DS证据融合策略(weighted dempster shafer evidence fusion,WDSEF),从而实现了深度网络像素级输出至对象级结果的映射.通过对不同地区的4组高分多源光学影像数据集进行试验,并与多种先进的深度学习方法进行对比分析,结果表明:在不同空间分辨率和时相差异条件下,本文方法的总体精度(overall accuracy,OA)和F1 score分别可达91.92％和63.31％以上,在目视分析和定量评价均显著优于对比方法.
多源光学遥感影像、变化检测、UNet++、多尺度特征提取差分、自适应证据信度指标、加权DS证据融合
52
P237(摄影测量学与测绘遥感)
国家重点研发计划;国家自然科学基金;江苏省应急管理科技项目;江苏省自然资源发展专项;江苏省博士后基金;江苏省研究生科研与实践创新计划项目;江苏省六大人才高峰工程
2023-03-22（万方平台首次上网日期，不代表论文的发表时间）
共14页
283-296
