连续跨分辨率遥感图像变化检测
计算机视觉与模式识别
2023-10-24 v2
摘要
当前大多数有监督遥感(RS)图像变化检测(CD)方法都是针对等分辨率双时相图像定制的。实际应用提出了跨分辨率变化检测的需求,即基于空间分辨率不同的双时相图像进行CD。给定高分辨率(HR)图像与低分辨率(LR)图像之间固定双时相分辨率差(比率)的训练样本,现有跨分辨率方法可能拟合某一比率但缺乏对其他分辨率差的适应能力。为实现连续跨分辨率CD,我们提出尺度不变学习,通过给定不同分辨率差的合成样本,强制模型一致地预测HR结果。具体而言,我们通过随机下采样重建合成HR图像的模糊版本,以缩小HR与LR图像之间的差距。我们引入基于坐标的表示,通过将坐标查询及相应的多级嵌入特征输入一个MLP来解码逐像素预测,该MLP隐式学习地表覆盖变化的形状,从而有利于识别LR图像中的模糊目标。此外,考虑到空间分辨率主要影响局部纹理,我们在编码器早期阶段应用局部窗口自注意力来对齐双时相特征。在两个合成及一个真实世界不同分辨率CD数据集上的大量实验验证了所提方法的有效性。在分布内与分布外设置下,我们的方法在三个数据集上均显著优于几种常规CD方法和两种跨分辨率CD方法。实验结果表明,无论双时相分辨率比率如何变化,我们的方法都能产生相对一致的HR变化预测。我们的代码见\url{https://github.com/justchenhao/SILI_CD}。
引用
@article{arxiv.2305.14722,
title = {Continuous Cross-resolution Remote Sensing Image Change Detection},
author = {Hao Chen and Haotian Zhang and Keyan Chen and Chenyao Zhou and Song Chen and Zhengxia Zou and Zhenwei Shi},
journal= {arXiv preprint arXiv:2305.14722},
year = {2023}
}
备注
21 pages, 11 figures. Accepted article by IEEE TGRS