面向光学卫星图像无监督变化检测的空间上下文感知
计算机视觉与模式识别
2022-05-04 v1 机器学习
摘要
在多时相地球观测数据中检测地面变化是遥感中的关键问题之一。本文引入用于光学变化检测的兄弟回归(Sibling Regression for Optical Change detection, SiROC)，一种针对中高分辨率光学卫星图像的无监督变化检测方法。SiROC 是一种基于空间上下文的方法，将像素建模为其远距离邻域的线性组合。它利用该模型分析后续时段中像素与其基于空间上下文的预测之间的差异以进行检测。我们将此基于空间上下文的变化检测，与在互斥邻域上的集成以及通过形态学操作从像素级变化过渡到对象级变化相结合。SiROC 在四个数据集上针对中分辨率 Sentinel-2 与高分辨率 Planetscope 影像的变化检测取得了具竞争力的性能。除无需训练即可准确预测外，SiROC 还提供其预测的良好校准不确定性。这使得该方法尤其适用于与基于深度学习的方法结合，诸如伪标注等应用。
引用
@article{arxiv.2110.02068,
title = {Spatial Context Awareness for Unsupervised Change Detection in Optical Satellite Images},
author = {Lukas Kondmann and Aysim Toker and Sudipan Saha and Bernhard Schölkopf and Laura Leal-Taixé and Xiao Xiang Zhu},
journal= {arXiv preprint arXiv:2110.02068},
year = {2022}
}
备注
Submitted to IEEE Transactions on Geoscience and Remote Sensing (IEEE TGRS)