BD-MSA：多尺度特征信息聚合引导的体解耦超高分辨率遥感图像变化检测方法
计算机视觉与模式识别
2024-05-07 v2 人工智能
摘要
遥感图像变化检测（RSCD）旨在检测同一地点双时相图像之间的差异。深度学习已广泛应用于 RSCD 任务，在结果识别方面取得了显著成效。然而，受卫星拍摄角度、薄云影响及特定光照条件制约，现有 RSCD 算法难以妥善处理部分遥感照片中变化区域边缘模糊的问题。为解决该问题，我们提出了一种基于特征聚合的体解耦多尺度变化检测模型（BD-MSA）。该新颖模型在训练和预测阶段，同时收集特征图通道维度和空间维度的全局与局部特征图信息。该方法使我们能够成功提取变化区域的边界信息，同时将变化区域主体与其边界解耦。大量研究表明，与现有其他模型相比，本文所述模型在公开数据集 DSIFN-CD、S2Looking 和 WHU-CD 上的评估指标和评价效果均为最优。
引用
@article{arxiv.2401.04330,
title = {BD-MSA: Body decouple VHR Remote Sensing Image Change Detection method guided by multi-scale feature information aggregation},
author = {Yonghui Tan and Xiaolong Li and Yishu Chen and Jinquan Ai},
journal= {arXiv preprint arXiv:2401.04330},
year = {2024}
}