基于深度同质特征融合的异源光学与SAR遥感图像变化检测
计算机视觉与模式识别
2020-04-09 v1
摘要
异源遥感图像中的变化检测对于灾害损失评估至关重要。近期方法使用同质变换，将异源光学和 SAR 遥感图像变换到同一特征空间，以实现变化检测。此类变换主要在低级特征空间上操作，可能会破坏语义内容，从而降低变化检测的性能。为解决该问题，本文提出一种基于图像风格迁移（IST）的新的同质变换模型，称为深度同质特征融合（DHFF）。与现有方法不同，DHFF 方法将异源图像中的语义内容与风格特征分离来进行同质变换。在同质变换中将语义内容与风格分离，防止了图像语义内容的破坏，尤其是在变化区域。通过这种方式，通过准确的同质变换提升了检测性能。此外，我们提出了一种新的迭代 IST（IIST）策略，其中每次 IST 迭代中的代价函数度量并由此最大化用于变化检测的附加新特征空间中的特征同质性。之后，在处于同一特征空间的原始图像和变换后图像上准确地完成变化检测。利用 SAR 和光学卫星获取的真实遥感图像来评估所提方法的性能。实验表明，所提出的 DHFF 方法在异源光学和 SAR 遥感图像变化检测方面取得了显著改进，无论是在准确率还是 Kappa 指数方面。
引用
@article{arxiv.2004.03830,
title = {Change Detection in Heterogeneous Optical and SAR Remote Sensing Images via Deep Homogeneous Feature Fusion},
author = {Xiao Jiang and Gang Li and Yu Liu and Xiao-Ping Zhang and You He},
journal= {arXiv preprint arXiv:2004.03830},
year = {2020}
}
备注
15 pages, 14 figures, Accepted by IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing