融合密集连接和自注意力机制的高分辨率遥感影像变化检测方法

• Published in: 测绘学报 Vol. 53; no. 12; pp. 2244 - 2253
• Main Authors: 庞世燕, 郝京京, 左志奇, 兰晶晶, 胡翔云
• Format: Journal Article
• Language: Chinese
• Published: 华中师范大学人工智能教育学部,湖北武汉 430079%华中农业大学信息学院,湖北武汉 430070%武汉大学遥感信息工程学院,湖北武汉 430079 06.01.2024; 湖北珞珈实验室,湖北武汉 430079
• Subjects: multi-scale feature fusion; 遥感影像; Transformer; dense connections; 变化检测; 密集连接; change detection; 多尺度特征融合; remote sensing images
• ISSN: 1001-1595
• DOI: 10.11947/j.AGCS.2024.20230454

P237; 遥感影像变化检测是遥感影像分析中的一项重要任务,在城市动态监测、地理信息更新、自然灾害监测、违章建筑物查处、军事目标打击效果分析及国土资源调查等方面应用广泛.作为像素级别的预测任务,当前的变化检测有两个比较突出的问题:一是受限于自注意力计算的效率问题,遥感影像中的远程上下文信息利用不足;二是侧重于深度变化语义特征的提取,而忽略了包含高分辨率和细粒度特征的浅层信息的应用.针对第1个问题,本文采用Transformer对提取的两期深层影像特征进行上下文建模,提升深层变化特征的质量.为了兼顾Transformer的效率问题,本文将图像特征图转化为稀疏标记,以此来显著减少Transformer的令牌数量.针对第2个问题,本文采用密集跳跃连接的方式,以保留浅层变化特征中的高分辨率和细粒度信息.采用了 3个公开的数据集进行试验验证,结果表明,与其他先进的变化检测方法相比,本文方法的IoU指标分别达到了 85.44％、84.15％和94.61％,均优于其他对比方法.