首页|基于Siam-UNet++的高分辨率遥感影像建筑物变化检测

基于Siam-UNet++的高分辨率遥感影像建筑物变化检测

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
针对同—区域前后时序的高分辨率遥感影像背景复杂、变化类别多样、目标变化检测时存在漏检和边界识别粗糙问题,提出了一种基于Siam-UNet++深度神经网络的高分辨率遥感影像建筑物变化检测算法.该算法采用UNet++作为骨干提取网络,在其编码器部分应用Siam-diff(Siamese-difference)结构提取前后两时序图像的变化特征,并在解码阶段的上采样和横向跳跃路径连接之后引入注意力机制,突出建筑物变化的特征,抑制网络对其他类别特征的学习;同时使用多边输出融合(multiple side-output fusion,MSOF)策略加权融合不同语义层次的特征信息,提高了建筑物变化检测的精度;最后采取滑窗的方法对大尺度遥感影像进行预测,减少拼接过程中变化结果图产生的空洞图斑.在大型建筑物变化检测数据集上的实验结果表明,该算法有效提升了建筑物的变化检测效果.
Building change detection from high resolution remote sensing imagery based on Siam-UNet++

朱节中、陈永、柯福阳、张果荣

展开 >

南京信息工程大学滨江学院,江苏无锡214105

南京信息工程大学自动化学院,南京210044

南京信息工程大学遥感与测绘工程学院,南京210044

深度学习 Siam-UNet++ 变化检测 注意力机制 多边输出融合

江苏省"六大人才高峰"高层次人才项目西宁市科技计划项目国家级大学生创新训练项目无锡市现代产业发展资金项目

XYDDX-0452019-Y-12201910300047003231911161

2021

10.19734/j.issn.1001-3695.2021.01.0070

计算机应用研究
四川省电子计算机应用研究中心

计算机应用研究

CSTPCDCSCD北大核心
影响因子：0.93
ISSN：1001-3695
年,卷(期)：2021.38(11)
  • 6
  • 10