注意力引导全尺度连接网络的高分辨率影像变化检测

摘要：

针对普通跳跃连接缺乏从全尺度角度获取变化信息及编码器特征提取能力不足的问题,本文设计了耦合注意力机制CBAM(Convolutional Block Attention Module)的UNet+++高分辨率遥感影像变化检测网络CBAM UNet+++.CBAM UNet+++基于融合全尺度特征的语义分割结构UNet+++,同时替换基本卷积单元为残差注意力模块ResBlock_CBAM(Residual Block_CBAM)抑制背景影响,增强编码器对显著特征的学习能力,并利用两种不同变化类型的高分辨率遥感影像变化检测数据集进行验证.结果表明:该方法在LEBEDEV多地物变化数据集上取得最高精度,F1(F1-Score)和OA(Overall Accuarcy)值分别为88.9％、97.3％;在LEVIR-CD建筑物变化数据集上取得次高精度,F1和OA值分别为86.7％、96.8％;同时,该法能有针对性的获取深层语义,定性结果优于其他基准网络.

关键词：遥感、变化检测、UNet+++、注意力机制、编码解码

所属期刊栏目：28

分类号：TP701;P2(遥感技术)

在线出版日期：2024-06-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：1052-1065