基于双时高斯特征依赖的遥感图像变化检测
计算机视觉与模式识别
2024-10-15 v1
摘要
变化检测 (CD) 使能够识别同一区域在不同时间拍摄的图像之间的差异。然而，现有的 CD 方法仍难以解决由于多时相图像中域信息差异导致的伪变化问题，以及在网络上采样过程中因特征丢失和污染而引起的细节错误。为此，我们提出了双时高斯分布特征依赖网络 (BGFD)。具体而言，我们首先引入高斯噪声域扰动 (GNDD) 模块，该模块利用图像统计特征近似分布来描述域信息，通过采样噪声扰动网络以学习冗余域信息，从根本上解决域信息差异的问题。此外，在特征依赖促进 (FDF) 模块中，我们集成了新的互信息差损失 () 和更精细的注意力机制，以增强网络能力，确保获取关键域信息。随后，我们设计了新的细节特征补偿 (DFC) 模块，从增强局部特征和细化全局特征的角度补偿上采样过程中引入的细节特征损失和污染。BGFD 有效减少了伪变化，提高了细节信息检测能力。在四个公开数据集上实现了最新性能——DSIFN-CD、SYSU-CD、LEVIR-CD 和 S2Looking，分别在 F1-Score 指标上相较于基线模型提升了 +8.58%、+1.28%、+0.31% 和 +3.76%。
引用
@article{arxiv.2410.09539,
title = {Bi-temporal Gaussian Feature Dependency Guided Change Detection in Remote Sensing Images},
author = {Yi Xiao and Bin Luo and Jun Liu and Xin Su and Wei Wang},
journal= {arXiv preprint arXiv:2410.09539},
year = {2024}
}