COMIC：一种基于 copula 混合与循环一致对抗网络的异构遥感图像无监督变化检测方法
图像与视频处理
2024-02-02 v2 信号处理
摘要
本文研究利用两幅异构遥感（RS）图像进行变化检测（CD）的问题。针对该问题，近期提出了一种基于循环一致对抗网络（CycleGANs）图像翻译技术的无监督变化检测方法，其中一幅图像从其原始模态翻译至另一图像的模态，从而可通过算术相减获得差异图。然而，相减得到的差异图易受图像翻译误差影响，此时变化区域与未变化区域难以区分。为克服上述缺陷，我们提出一种新的无监督 copula 混合与 CycleGAN 基 CD 方法（COMIC），其结合了 copula 混合在统计建模上的优势与 CycleGANs 在数据挖掘上的优势。在 COMIC 中，事件前图像首先从其原始模态翻译至事件后图像模态。此后，通过构建 copula 混合，可基于翻译图像与原始事件前图像（二者模态相同且包含完全相同地物）的依赖结构定量分析来学习异构图像特征的联合分布。接着，我们将 CD 问题建模为二元假设检验问题，并基于所构建的 copula 混合推导其检验统计量。最后，由检验统计量获得差异图，并通过 K-means 聚类生成二元变化图（BCM）。我们在真实 RS 数据集上开展实验，证明了 COMIC 相对于最先进方法的优越性。
引用
@article{arxiv.2304.00721,
title = {COMIC: An Unsupervised Change Detection Method for Heterogeneous Remote Sensing Images Based on Copula Mixtures and Cycle-Consistent Adversarial Networks},
author = {Chengxi Li and Gang Li and Zhuoyue Wang and Xueqian Wang and Pramod K. Varshney},
journal= {arXiv preprint arXiv:2304.00721},
year = {2024}
}