-
题名基于上下文细粒度信息修复的遥感变化检测
- 1
-
-
作者
杜乾刚
彭博
池明旻
-
机构
复旦大学计算机科学技术学院
上海海洋大学信息学院
-
出处
《计算机科学》
北大核心
2025年第2期183-190,共8页
-
基金
国家自然科学基金(62171139)。
-
文摘
遥感变化检测在军事和民用领域都发挥着至关重要的作用。然而,由于变化检测图像对的数据采集存在巨大的时空差距,因此存在大量伪变化。现有的变化检测方法基于双流孪生网络学习物体特征,然后通过一系列专有网络进行伪变化消除。然而,这种相互独立的去噪方式缺乏捕捉图像对之间相互依存关系的能力,而且往往由于过度关注去噪设计而导致大量的细粒度信息丢失。所提CFIR利用图像对的数据结构特征来增强模型学习上下文依赖关系的能力,并弥补丢失的细粒度信息,缓解了细粒度信息丢失的问题。此外,CFIR采用一种门控机制,消除变化检测任务中的伪变化,并引导网络提取相关的变化特征,缓解了变化检测极端的数据不平衡对模型学习真实变化的影响。CFIR在多个变化检测基准中表现出了极具竞争力的性能,其中相较于变化检测最先进算法,在LEVIR-CD数据集上F1提高0.21%,IoU提高0.38%;在WHU-CD数据集上F1提高0.99%,IoU提高2.43%。
-
关键词
遥感变化检测
细粒度信息重构
门控机制
噪声消除
有监督学习
-
Keywords
Remote sensing change detection
Fine-grained information reconstruction
Gated mechanisms
Denoise
Supervised learning
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
