用于同构与异构遥感图像变化检测的多尺度图卷积网络
计算机视觉与模式识别
2021-02-17 v1 信息论
图像与视频处理
math.IT
摘要
遥感图像变化检测（CD）一直是一个不断扩展的研究领域。迄今为止，尽管利用各种技术提出了许多方法，但由于难以有效建模具有不同模式的地物特征，准确识别变化仍然是一个巨大挑战，尤其是在高分辨率或异构情况下。本文提出一种基于图卷积网络（GCN）和多尺度面向对象技术的新型CD方法，适用于同构和异构图像。首先，通过预训练的U-net和多尺度分割获得对象级高层特征。将每个地块视为一个节点，可形成图表示，然后输入所提出的多尺度图卷积网络，其中每个通道对应一个尺度。多尺度GCN将标签信息从少量有标签节点传播到其他无标签节点。进一步，为全面整合多尺度GCN输出通道的信息，利用尺度间的父子关系设计了一种融合策略。在光学、SAR及异构光学/SAR数据集上的大量实验表明，所提方法在定性和定量评估中均优于一些最先进的方法。此外，还讨论了一些因素的影响。
引用
@article{arxiv.2102.08041,
title = {A Multiscale Graph Convolutional Network for Change Detection in Homogeneous and Heterogeneous Remote Sensing Images},
author = {Junzheng Wu and Biao Li and Yao Qin and Weiping Ni and Han Zhang and Yuli Sun},
journal= {arXiv preprint arXiv:2102.08041},
year = {2021}
}