基于连体卷积神经网络的多模态遥感数据变化检测
计算机视觉与模式识别
2018-07-26 v1
摘要
城市环境中地形变化的检测一直是城市规划与监测的一项重要任务。在实际应用中，遥感数据常以不同模态、不同时相获取。由于数据呈现不同特征，多模态数据间的变化检测极具挑战性。给定来自不同时相的3D激光扫描点云与2D影像，本文提出一种检测建筑物与树木变化的框架。首先，将2D与3D数据分别转换为图像块；随后采用连体卷积神经网络（Siamese CNN）检测两时相间的候选变化；最后，将基于图像块的候选变化分组并核实为单个地物变化。在城市数据上的实验表明，模型可正确分类86.4%的图像块对。
引用
@article{arxiv.1807.09562,
title = {Change Detection between Multimodal Remote Sensing Data Using Siamese CNN},
author = {Zhenchao Zhang and George Vosselman and Markus Gerke and Devis Tuia and Michael Ying Yang},
journal= {arXiv preprint arXiv:1807.09562},
year = {2018}
}