NN-Copula-CD：一种用于异源遥感图像变化检测的 Copula 引导可解释神经网络
计算机视觉与模式识别
2025-03-17 v3 机器学习
图像与视频处理
摘要
异源遥感图像中的变化检测（CD）已广泛用于灾害监测与土地利用管理。在过去十年中，异源 CD 问题显著受益于深度神经网络（DNNs）的发展。然而，纯数据驱动的 DNNs 表现得像黑箱，其可解释性的缺乏限制了 DNNs 在大多数实际 CD 应用中的可信度与可控性。作为强大的知识驱动工具，copula 理论在建模随机变量间关系方面表现良好。为增强现有神经网络用于 CD 的可解释性，我们提出一种基于 copula 引导神经网络的知识-数据驱动异源 CD 方法，名为 NN-Copula-CD。在我们的 NN-Copula-CD 中，copula 的数学特性被用作损失函数以监督神经网络学习双时相异源超像素对之间的依赖性，随后基于双时相图像中所有超像素对的依赖程度通过二分类识别变化区域。我们在三个异源图像数据集上进行了深入实验，定量与可视化结果均证明了我们所提 NN-Copula-CD 方法的有效性。
引用
@article{arxiv.2303.17448,
title = {NN-Copula-CD: A Copula-Guided Interpretable Neural Network for Change Detection in Heterogeneous Remote Sensing Images},
author = {Weiming Li and Xueqian Wang and Gang Li and Baocheng Geng and Pramod K. Varshney},
journal= {arXiv preprint arXiv:2303.17448},
year = {2025}
}
备注
The full version of this work is submitted to IEEE TGRS