遥感影像中的深度学习变化检测——利用预生成深度变化显著图的方法

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：探索和验证一种新型的遥感影像变化检测方法——利用预生成深度变化显著图的方法(PDACN),以提高对复杂城市和自然环境中变化检测的准确性和效率.围绕PDACN模型的设计与实施,采用深度可分离卷积注意力机制(PDA),结合先进的编码器结构,有效地增强了模型对多时相遥感影像的特征提取和分析能力.通过在SYSU-CD数据集上的应用,与现有的DSAMNet、BiDateNet和STANet等方法进行了比较分析.研究结果显示,PDACN模型在F1 分数、精确度、召回率和交并比等关键性能指标上均显著优于对比方法.此外,模型展现出在处理更复杂场景变化时的高效性和鲁棒性,不仅提高了遥感影像变化检测的技术水平,还为未来相关领域的研究提供了新的思路和工具,具有重要的理论意义和实际应用价值.

作者：

陈志兰

展开 >

作者单位：

福建省自然资源地理信息中心福建福州 350001

关键词：

遥感影像深度学习变化检测显著图

出版年：

2024

DOI：

10.3969/j.issn.1672-9528.2024.08.020

信息技术与信息化

山东电子学会

信息技术与信息化

影响因子：0.29

ISSN：1672-9528

年,卷(期)：2024.(8)