改进U-Net网络的高分辨率遥感影像变化检测算法

摘要：

针对高分辨率遥感影像变化检测中出现的伪变化较多、检测边界模糊、小目标漏检等问题,提出一种孪生结构的Siam-FAUnet变化检测模型.该模型可以实现端到端的变化检测任务.首先,利用改进的 VGG16 作为编码器提取双时相的影像特征;其次,通过空洞空间金字塔池化模块获取图像多尺度上下文信息;然后,使用流对齐模块将编码器中的低层特征融合至解码器,以此来获取影像的变化区域.实验采用公开的 CDD 和 STAKI数据集进行训练和测试.结果表明,相对于其他主流的深度学习变化检测方法,Siam-FAUnet变化检测模型在准确率、精确率、召回率和F1 分值上均有提升,表明该模型具有良好的检测性能.

关键词：高分辨率遥感影像、变化检测、特征融合、流对齐模块、深度学习

所属期刊栏目：38

分类号：TP79(遥感技术)

在线出版日期：2023-09-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：122-129