基于多尺度胶囊网络的 SAR 图像变化检测
图像与视频处理
2022-01-25 v1 计算机视觉与模式识别
摘要
传统的基于卷积神经网络（CNNs）的合成孔径雷达图像变化检测方法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信息。一方面，采用多尺度胶囊模块以利用特征的空间关系。因此，通过聚合不同位置的特征可实现等变特性。另一方面，为所提 Ms-CapsNet 设计了自适应融合卷积（AFC）模块。可为主胶囊捕获更高层语义特征。AFC 模块提取的特征显著提升了针对散斑噪声的鲁棒性。在三个真实 SAR 数据集上验证了所提 Ms-CapsNet 的有效性。与四种最先进方法的对比实验证明了所提方法的效率。我们的代码见 https://github.com/summitgao/SAR_CD_MS_CapsNet 。
关键词
引用
@article{arxiv.2201.08935,
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:2201.08935},
year = {2022}
}