基于绝对差值特征的图像变化检测研究

作     者：汪若飞 

作者单位：中国民航大学 

学位级别：硕士

导师姓名：张宇翔;黄睿

授予年度：2023年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：变化检测 绝对差值 迭代增强 交叉增强 特征质量 深度学习 

摘      要：变化检测是利用图像处理技术来确定两幅图像中不同区域的一项计算机视觉任务,它在环境监控、城市规划和文物保护领域有着广泛应用。通过分析两张跨时段拍摄的图像数据,快速掌握环境变迁和城乡发展的进程对于政策制定者来说至关重要。变化检测的研究主要分为传统检测方法和基于深度学习的检测方法。目前由于人工智能技术的兴起,基于图像特征绝对差值的变化检测网络成为当前的研究热点,但绝对差值特征中包含较多噪声干扰,影响变化检测模型的性能。本文基于绝对差值特征,研究了提升变化检测性能的网络模型。主要研究内容如下:(1)针对变化检测模型易受背景噪声干扰和提取冗余特征的问题,提出了一种基于绝对差值特征先验引导的变化检测的方法。分析两张待检测图像之间的差异,选取包含变化物体的图像用于变化检测,减少了对冗余特征的提取、避免了非变化图像中的背景噪声干扰,提升了模型的检测性能和推理速度。(2)针对已有变化检测模型鲁棒性差和泛化能力弱的问题,提出了一种基于绝对差值特征迭代增强的变化检测方法。通过迭代增强绝对差值特征的策略强化了特征中变化的区域并抑制了非变化区域,提高了绝对差值特征的质量,从而提升了变化检测模型的鲁棒性和泛化能力。(3)针对多尺度绝对差值特征中高层特征的语义目标边界粗糙,低层特征存在误检的问题,提出了一种基于高层与低层绝对差值特征交叉增强的变化检测方法。使用高层特征中的语义信息去除低层特征中的误检,再使用低层特征中的细节纹理细化高层特征中目标的边界,提升了变化检测结果的质量。