基于多尺度胶囊网络的SAR图像变化检测
计算机视觉与模式识别
2021-09-28 v5 机器学习
图像与视频处理
摘要
传统的基于卷积神经网络(CNNs)的变化检测方法在合成孔径雷达图像上面临散斑噪声和形变敏感性的挑战。为缓解这些问题,我们提出了一种多尺度胶囊网络(Ms-CapsNet)来提取变化与未变化像素之间的判别性信息。一方面,采用胶囊模块来利用特征的空间关系,从而通过聚合不同位置的特征实现等变特性。另一方面,为所提出的Ms-CapsNet设计了一个自适应融合卷积(AFC)模块,可为初级胶囊捕获更高层的语义特征;该模块提取的特征显著提高了对散斑噪声的鲁棒性。所提Ms-CapsNet的有效性在三个真实SAR数据集上得到验证,与四种SOTA方法的对比实验证明了本方法的效率。我们的代码已发布于https://github.com/summitgao/SAR_CD_MS_CapsNet。
引用
@article{arxiv.2106.06896,
title = {SAR Image Change Detection Based on Multiscale Capsule Network},
author = {Yunhao Gao and Feng Gao and Junyu Dong and Heng-Chao Li},
journal= {arXiv preprint arXiv:2106.06896},
year = {2021}
}
备注
5 pages