基于形态学监督 PCA-Net 的不平衡学习自动 SAR 图像变化检测
计算机视觉与模式识别
2019-06-26 v1 机器学习
摘要
由于未变化类与变化类之间的不平衡,变化检测是一项颇具挑战的任务。此外,由对数比值生成的传统的差异图受散斑影响,会降低精度。在本快报中,提出一种基于 PCA 网络(PCA-Net)的不平衡学习变化检测,其中设计了一种有监督 PCA-Net 直接从给定的多时相 SAR 图像而非差异图获取鲁棒特征。进而,为应对变化类与未变化类之间的不平衡,我们提出一种形态学监督学习方法,利用两类边界附近像素中的知识来指导网络训练。最后,我们所提 PCA-Net 可由带可用参考图的 dataset 训练并应用于新数据集,这在实际变化检测项目中颇为实用。所提方法在五组多时相 SAR 图像上得到验证。实验结果表明,借助边界训练样本中的知识,所学特征有益于变化检测,并使所提方法优于由随机抽样本训练的监督方法。
引用
@article{arxiv.1906.07923,
title = {Imbalanced Learning-based Automatic SAR Images Change Detection by Morphologically Supervised PCA-Net},
author = {Rongfang Wang and Jie Zhang and Jia-Wei Chen and Licheng Jiao and Mi Wang},
journal= {arXiv preprint arXiv:1906.07923},
year = {2019}
}