基于对称网络的光学和SAR影像变化检测

作     者：汤玉奇 林泽锋 韩特 杨欣 邹滨 冯徽徽 TANG Yuqi;LIN Zefeng;HAN Te;YANG Xin;ZOU Bin;FENG Huihui

作者机构：中南大学有色金属成矿预测与地质环境监测教育部重点实验室长沙410083 中南大学地球科学与信息物理学院长沙410083 

出 版 物：《遥感学报》 (NATIONAL REMOTE SENSING BULLETIN)

年 卷 期：2024年第28卷第6期

页      面：1560-1575页

核心收录：

学科分类：070801[理学-固体地球物理学] 07[理学] 08[工学] 0708[理学-地球物理学] 0816[工学-测绘科学与技术] 

基　　金：国家自然科学基金(编号:41971313) 

主　　题：遥感 光学影像 SAR影像 变化检测 对称网络 特征提取 空间映射 相似性度量 变化类型 

摘      要：相比同源影像,光学影像和合成孔径雷达SAR(Synthetic Aperture Radar)影像变化检测具有充分利用不同类型数据之间的互补信息、发挥其各自优势的优点,已成为遥感领域的研究热点,在应急灾害监测等方面具有广阔的应用前景。然而,光学影像和SAR影像的成像特征差异导致无法直接对比双时相影像提取变化信息,现有光学影像和SAR影像变化检测方法对特征空间统一的精度与效率不高。对此,本文认为光学影像和SAR影像间的差异主要由成像特征差异导致,因此可以通过特征空间变换,将影像映射到同一特征空间进行比较。由此提出了一种新的对称网络结构,通过基于相似性度量的网络初始化及优化,将光学影像和SAR影像映射到近似的特征空间中进行比较并提取变化信息。首先度量对称网络提取的多组特征之间的相似性,利用相似性最大特征组对应的网络权重实现网络初始化,引导光学影像和SAR影像特征映射。然后通过相似性优化学习将光学影像和SAR影像映射到同一特征空间进行直接对比,并对多时相特征变化向量进行聚类分析以区分变化类型。本文利用3组光学影像和SAR影像数据集(Google Earth影像、Landsat 8影像和哨兵1号影像)的实验结果表明:相对于现有方法,本文方法的卡帕系数KC(Kappa Coefficient)至少提高了4.02%,且运行时间至少降低了30.79%,有效提高了光学影像和SAR影像变化检测的精度与效率。