检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于时差提示SAM的遥感变化检测

信号处理 2024年第3期40卷 417-427页

作者：方乐缘旷洋刘强岳俊湖南大学电气与信息工程学院湖南长沙410082 中南大学自动化学院湖南长沙410083

遥感变化检测作为观测和分析地表变化的重要手段,以双时相图像为输入,旨在预测变化发生的“位置”。近期出现的基础模型,例如SAM模型(Segment Anything Model),展现出强大的通用性和泛化能力,有望为变化检测任务提供更为有效的解决方案... 详细信息

遥感变化检测作为观测和分析地表变化的重要手段,以双时相图像为输入,旨在预测变化发生的“位置”。近期出现的基础模型,例如SAM模型(Segment Anything Model),展现出强大的通用性和泛化能力,有望为变化检测任务提供更为有效的解决方案。然而,由于遥感图像的特殊成像特性,它们在许多遥感应用中的直接使用往往效果不佳。此外,SAM模型最初被设计用于分割单时相图像,其通过人工添加点或框的提示来实现,但这种过于直观的方法在处理双时相图像输入时并不适用。为了应对上述挑战,本文提出了一种基于时差提示SAM的遥感变化检测方法(TDPS),充分发挥SAM模型强大的视觉识别能力,以改进对遥感图像的变化检测。具体而言,本文首先在SAM骨干网络中引入了低阶可微调参数,以减轻自然图像到遥感图像上的域偏移。其次,本文设计了时相差异提示生成器,通过将双时相图像的特征与查询嵌入一起优化,得到适用于变化检测任务的提示向量。最后,大量实验证明了本文方法的有效性,在两个常用的变化检测数据集LEVIR-CD和WHU-CD上取得了最先进的性能,F1指标相比于最先进方法分别提升了1.4%和2.5%。

关键词：遥感变化检测 SAM 提示学习

在线全文

学校读者我要写书评

暂无评论

基于上下文细粒度信息修复的遥感变化检测

计算机科学 2024年

作者：杜乾刚彭博池明旻复旦大学计算机科学技术学院上海海洋大学信息学院

遥感变化检测在军事和民用领域都发挥着至关重要的作用。然而，由于变化检测图像对的数据采集存在巨大的时空差距，因此存在大量伪变化。现有的变化检测方法基于双流孪生网络学习物体特征，然后通过一系列专有网络进行伪变化消除。然而... 详细信息

遥感变化检测在军事和民用领域都发挥着至关重要的作用。然而，由于变化检测图像对的数据采集存在巨大的时空差距，因此存在大量伪变化。现有的变化检测方法基于双流孪生网络学习物体特征，然后通过一系列专有网络进行伪变化消除。然而这种相互独立的去噪方式缺乏捕捉图像对之间相互依存关系的能力，而且往往由于过度关注去噪设计，导致大量的细粒度信息丢失。本文提出的CFIR 利用图像对的数据结构特征来增强模型学习上下文依赖关系的能力，并弥补丢失的细粒度信息，缓解了细粒度信息丢失的问题。此外，CFIR 采用一种门控机制，消除变化检测任务中的伪变化，并引导网络提取相关的变化特征，缓解了变化检测极端的数据不平衡对模型学习真实变化的影响。CFIR 在多个变化检测基准中表现出了极具竞争力的性能，其中相较于变化检测最先进算法，在LEVIR-CD数据集上F1提高0.21%，IoU提高0.38%；在WHU-CD数据集上F1提高0.99%，IoU提高2.43%。

关键词：遥感变化检测细粒度信息重构门控机制噪声消除有监督学习

基于深度学习遥感变化检测应用于动态监管生态保护红线——以广东省惠州市为例

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于深度学习遥感变化检测应用于动态监管生态保护红线——以广东...

中国环境科学学会2023年科学技术年会

作者：黎颖治覃凯明曾天择彭俊杰李宛隆向天翔黄婉娟惠州市环境科学研究所惠州市生态环境局监察支队

生态保护红线是维护国家生态安全的底线和生命线。本文介绍了根据Deng提出的基于深度学习的多特征引导的遥感变化检测方法在生态保护红线的动态监管中的应用,不仅验证了该遥感变化检测方法的有效性和优越性,而且广东省惠州市生态保护红... 详细信息

生态保护红线是维护国家生态安全的底线和生命线。本文介绍了根据Deng提出的基于深度学习的多特征引导的遥感变化检测方法在生态保护红线的动态监管中的应用,不仅验证了该遥感变化检测方法的有效性和优越性,而且广东省惠州市生态保护红线区2021年与2022年遥感变化检测结果表明基于深度学习的多特征引导的遥感变化检测方法对生态保护红线区内变化的检测精度优于ENVI软件中的变化检测模块的精度。该方法可以快速、准确地检测出生态环境中的变化情况,并为生态保护红线的动态遥感监管提供了一个高效、智能的工具。

关键词：生态保护红线遥感变化检测深度学习动态监管

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

双通道孪生网络在遥感变化检测中的应用

计算机系统应用 2022年第3期31卷 56-64页

作者：郑思宇胡华浪黄进付国栋杨旭王敏李剑波秦泽宇西南交通大学电气工程学院成都611756

遥感变化检测旨在通过比较同一位置不同时期遥感影像以检测出存在显著或者潜在的遥感变化的区域.目前,大多数相关工作聚焦于正时序变化检测上,对反时序变化检测表现较差.为了避免时序对变化检测带来影响,通常的做法是将正时序和反时序... 详细信息

遥感变化检测旨在通过比较同一位置不同时期遥感影像以检测出存在显著或者潜在的遥感变化的区域.目前,大多数相关工作聚焦于正时序变化检测上,对反时序变化检测表现较差.为了避免时序对变化检测带来影响,通常的做法是将正时序和反时序的数据都囊括构成数据集.然而,这会导致模型训练时间更长.本文提出一种双通道孪生网络,在保证模型精度的同时实现高效的模型训练.首先,本文将现有模型改造为对称的结构,使之既能仅采用原始正时序数据集快速训练,又能同时学习正时序和反时序变化的特征信息.然后,本文提出了双通道孪生输入以获取更加鲁棒的特征.最后,本文加入了双通道孪生融合对特征进行精炼.在Onera Satellite Change Detection Sentinel-2数据集上,所提出的模型,在精度和训练有效性都超过了现有模型.进一步的消融实验验证了本文模型中两个模块的性能.

关键词：遥感变化检测时序影响反时序变化检测对称模型双通道孪生框架注意力机制

面向对象的多特征分级CVA遥感影像变化检测

在线全文

学校读者我要写书评

暂无评论

遥感学报 2018年第1期22卷 119-131页

作者：赵敏赵银娣中国矿业大学环境与测绘学院徐州221116

变化矢量分析CVA方法在中低分辨率遥感影像变化检测中已得到广泛应用,但由于高分辨率遥感影像存在不同地物尺度差异大、不同类别地物光谱相互重叠的问题,因此对于高分影像的变化检测具有局限性。为提高高分影像变化检测精度,提出了一种... 详细信息

变化矢量分析CVA方法在中低分辨率遥感影像变化检测中已得到广泛应用,但由于高分辨率遥感影像存在不同地物尺度差异大、不同类别地物光谱相互重叠的问题,因此对于高分影像的变化检测具有局限性。为提高高分影像变化检测精度,提出了一种面向对象的多特征分级CVA变化检测方法,首先,利用基于区域邻接图的影像分割方法分别对两时相遥感影像进行多尺度分割,提取分割图斑的光谱、纹理和形状特征;然后,在各级尺度下,分别运用随机森林方法进行特征选择,计算CVA变化强度图;最后,根据信息熵对多级变化强度图进行自适应融合,利用Otsu阈值法检测变化区域,并与仅考虑光谱特征的分级CVA变化检测方法、像元级多特征CVA变化检测方法以及仅考虑光谱特征的像元级CVA变化检测方法进行比较分析。实验表明:与比较方法相比,本文方法的变化检测精度较高,误检率和漏检率较低。

关键词：遥感变化检测变化矢量分析多尺度分割特征选择自适应融合

在线全文

学校读者我要写书评

暂无评论

基于独立成分分析的多时相遥感图像变化检测

电子与信息学报 2006年第6期28卷 994-998页

作者：钟家强王润生国防科学技术大学电子科学与工程学院ATR重点实验室长沙410073

变化检测是通过分析多时相遥感图像间的差异实现地物变化信息的提取,而消除多时相遥感图像中的相关性是提取变化信息的一种有效途径。独立成分分析(ICA)作为近年出现的盲源分离技术,能够有效地消除多源信号间的二阶和高阶相关,经其变换... 详细信息

变化检测是通过分析多时相遥感图像间的差异实现地物变化信息的提取,而消除多时相遥感图像中的相关性是提取变化信息的一种有效途径。独立成分分析(ICA)作为近年出现的盲源分离技术,能够有效地消除多源信号间的二阶和高阶相关,经其变换的各分量之间相互独立。该文提出一种应用ICA变换实现多时相遥感图像变化检测的算法,首先对多时相多光谱遥感图像进行独立成分分析,得到彼此没有相关信息的独立成分,并且各独立成分图像中的变化信息得到增强:然后通过分析变换后的独立成分实现地物的变化检测。实验结果显示该算法比传统的方法具有更好的性能。

关键词：遥感变化检测图像处理独立成分分析多时相图像主成分分析

在线全文

学校读者我要写书评

暂无评论

基于深度学习的光学遥感图像变化检测研究

基于深度学习的光学遥感图像变化检测研究

作者：毛银湖南大学

学位级别：硕士

遥感变化检测技术通过分析遥感图像获取地表变化信息,在土地规划、农业生产、生态环境、灾害应急等领域发挥了重大作用,对于理解人与自然相互作用,推动可持续发展具有重要意义。随着遥感成像技术的提升和计算机科学的快速发展,高光谱、... 详细信息

遥感变化检测技术通过分析遥感图像获取地表变化信息,在土地规划、农业生产、生态环境、灾害应急等领域发挥了重大作用,对于理解人与自然相互作用,推动可持续发展具有重要意义。随着遥感成像技术的提升和计算机科学的快速发展,高光谱、高空间、高时间分辨率的遥感图像得到综合广泛利用,促进了基于深度学习的遥感变化检测发展及其在多领域的应用拓展。深度学习的变化检测方法通过高维特征自动比较与分析,有效提升了变化检测精度和效率,并且具有智能化、大数据处理能力强、可迁移学习的优点,成为遥感领域的研究热点之一。深度学习推动了变化检测从传统到智能的转变,虽然提出了基于像素、基于对象和基于场景的方法以适用不同数据特性和网络结构,但是目前仍处于发展阶段,存在一些关键问题亟待解决。本文对基于深度学习的遥感图像变化检测技术进行充分调研和总结,通过文献计量与挑战发展角度的综述分析提供科学的研究基础,针对数据和模型方面的技术瓶颈提出两种先进的光学遥感图像变化检测算法作为解决方案,具体内容如下:(1)面向综述性参考资料有限的问题,本文结合计量学,通过文献结构的统计分析提供发文量、期刊分布、机构和学者统计、应用领域、网络模型和数据源信息,以定量和直观展示本领域的发展状况和研究热点。在此基础上,详细介绍光学遥感图像和合成孔径雷达图像等常用数据源,以及各类深度学习网络模型的使用情况。最后,从多模态变化检测、多类型/语义变化检测、非理想样本条件下变化检测和时间序列变化检测四个挑战性研究方向深入讨论目前的最新进展及未来可能发展方向。通过相关研究综述为技术发展提供科学的研究基础。(2)针对标记训练数据高要求对算法模型的限制,提出了一种非训练的高光谱遥感图像无监督变化检测算法,使用空间-通道增强的随机初始化框架进行鉴别性特征提取和比较,无需从标记数据中训练学习即可实现高精度变化检测。该框架构建了扩张-可变形特征提取网络,从非固定的采样位置上提取多尺度空间-光谱特征,通过扩大卷积视野并考虑任意邻域来提高提取特征的鉴别性;并且设计变化敏感特征增强和比较模块分析上述提取的高维特征,该模块集成了特征选择和空间-通道增强策略,利用空间上下文和通道重要性提取可靠的空间-光谱特征以提升变化检测性能。所提出算法的网络权重在随机初始化后固定并且不经过训练和学习。通过在三个广泛使用的高光谱数据集上进行测试,与几种先进无监督算法的定量和定性比较揭示其有效性。(3)针对算法模型存在光谱-空间-时间特征提取不足的问题,本文提出了一种3D Swin Transformer时间序列变化检测算法,以一种新型的方式从四维时间序列数据中统一建模时空变化。该模型利用自注意力机制的远程信息交互能力优势,构建UNet结构的分级3D Swin Transformer模型提取光谱、空间、时间特征,通过融合多尺度特征和远程上下文信息,提高变化检测性能。该算法在模型早期阶段嵌入了可变形上下文特征提取模块从非固定采样区域提取连续时间上的深度时空谱特征,建模短期变化。并且通过跳跃连接结构和深度监督策略聚合上下文信息,利用中间层的输出增强鉴别性语义信息提取,优化模型训练。在公开发表的多光谱数据集上与不同深度学习模型的比较实验证明了本文提出的时间序列变化检测算法的优越性能。

关键词：遥感变化检测深度学习无监督非训练模型时间序列自注意力机制文献计量

基于孪生网络与注意力机制的遥感影像变化检测

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于孪生网络与注意力机制的遥感影像变化检测

作者：杜俊翰华东师范大学

学位级别：硕士

卫星遥感技术具有周期性获取地表信息的能力,可以快速提取地表动态变化的信息,广泛应用于国土资源调查、城市建筑提取、灾害监测等领域。如何利用遥感影像变化检测对地表变化信息进行准确识别已成为遥感领域的一个重要研究方向。近年来... 详细信息

卫星遥感技术具有周期性获取地表信息的能力,可以快速提取地表动态变化的信息,广泛应用于国土资源调查、城市建筑提取、灾害监测等领域。如何利用遥感影像变化检测对地表变化信息进行准确识别已成为遥感领域的一个重要研究方向。近年来,随着人工智能相关理论的发展,深度学习算法已经越来越多地应用在遥感影像变化检测之中。深度学习以其强大的特征挖掘和表示能力,可以对遥感影像的深层特征信息进行充分提取,相较于传统的变化检测方法能够更好地识别影像中的复杂地表情况,实现较高精度的变化检测。然而,在面临真实环境中地物多样化尺度特征和遥感影像的数据冗余时,现有的深度学习方法在遥感变化检测中又存在着不足。论文分析了现有的深度学习变化检测方法中的不足,研究了深度神经网络的结构优化方法,分别从像素级和图像级两种不同的变化检测方法入手,构建了两种以孪生网络和注意力机制为基础的变化检测模型,以适应不同类型的样本需求。主要研究内容如下:(1)针对像素级样本,采用“点到点”的变化检测方法,提出了一种结合孪生差异特征学习与自注意力机制网络(Siamese Difference-learning Attention Network,SDANet)的遥感变化检测算法。首先,针对网络对影像块变化信息利用不足的情况,构建了基于孪生结构的卷积神经网络和差异学习模块提取影像块的变化特征。考虑到图像各像素和各通道之间存在的相关性,建立了结合空间和通道的自注意力机制,使得网络可以从空间和通道两个维度捕获影像数据内在的联系,增强特征识别能力。实验结果表明,提出的SDANet算法在检测精度上优于其他对比方法。(2)针对图像级样本,采用“图到图”的变化检测方法,构建了基于高分辨率特征表示与孪生特征的变化检测网络(Siamese High Resolution Network,Siam＿HRNet)。针对目前全卷积网络中对于特征图存在多次连续下采样导致空间信息丢失的情况,采用多分辨率并行的结构能够在保持影像较高分辨率的同时综合利用各分辨率图像信息,降低因多次下采样而造成的空间信息损失。实验结果证明,Siam＿HRNet可以较为准确地提取两时期影像特征,实现较高精度的变化检测。(3)在“图到图”的变化检测方法中,针对目前的注意力机制在变化检测中不能很好地获取影像差异信息的情况,提出了一种基于差异注意力机制的变化检测网络(High-resolution-feature Difference Attention Network,HDANet)。结合不同膨胀率卷积核并联形成的空洞空间金字塔池化(Atrous Spatial Pyramid Pooling,ASPP)结构,学习同一特征图不同尺度地物的特征。实验结果表明,提出的HDANet算法能够对变化强度高的区域赋予较大注意力权重,从而提高网络模型对影像差异信息的识别能力,同时检测结果中对于地物的完整性和边缘细节方面表现更好。

关键词：遥感变化检测深度学习孪生网络注意力机制

基于面向对象孪生神经网络的高分辨率遥感影像建筑物变化检测

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

遥感学报 2024年第2期28卷 437-454页

作者：刘宣广李蒙蒙汪小钦张振超福州大学数字中国研究院(福建) 福州350108 福州大学空间数据挖掘与信息共享教育部重点实验室福州350108 信息工程大学地理空间信息学院郑州450001

建筑物变化检测在城市环境监测、土地规划管理和违章违规建筑识别等应用中具有重要作用。针对传统孪生神经网络在影像变化检测中存在的检测边界与实际边界吻合度低的问题,本文结合面向对象图像分析技术,提出一种基于面向对象孪生神经网... 详细信息

建筑物变化检测在城市环境监测、土地规划管理和违章违规建筑识别等应用中具有重要作用。针对传统孪生神经网络在影像变化检测中存在的检测边界与实际边界吻合度低的问题,本文结合面向对象图像分析技术,提出一种基于面向对象孪生神经网络(Obj-SiamNet)的高分辨率遥感影像变化检测方法,利用模糊集理论自动融合多尺度变化检测结果,并通过生成对抗网络实现训练样本迁移。该方法应用在高分二号和高分七号高分辨率卫星影像中,并与基于时空自注意力的变化检测模型(STANet)、视觉变化检测网络(ChangeNet)和孪生UNet神经网络模型(Siam-NestedUNet)进行比较。结果表明:(1)融合面向对象多尺度分割的检测结果较单一尺度分割的检测结果,召回率最高提升32%,F1指数最高提升25%,全局总体误差(GTC)最高降低7%;(2)在样本数量有限的情况下,通过生成对抗网络进行样本迁移,与未使用样本迁移前的检测结果相比,召回率最高提升16%,F1指数最高提升14%,GTC降低了9%;(3) Obj-SiamNet方法较其他变化检测方法,整体检测精度得到提升,F1指数最高提升23%,GTC最高降低9%。该方法有效提高了建筑物变化检测在几何和属性方面的精度,并能有效利用开放地理数据集,降低了模型训练样本制作成本,提升了检测效率和适用性。

关键词：遥感变化检测孪生神经网络面向对象多尺度分析模糊集融合生成对抗网络高分辨率遥感影像