基于时序聚类匹配利用卫星影像进行建筑物变化检测

纵向研究对于理解地球的动态变化至关重要，但标签（如建筑物、设施、道路）通常仅在特定时间点可用。我们提出一种通用模型——时序聚类匹配（TCM），用于在仅观测到一次足迹标签的遥感影像时间序列中检测建筑物变化。该模型的直觉是，当建筑物被建造（或拆除）时，建筑物足迹内部与外部的光谱值之间的关系会发生变化。例如，在乡村环境中，建造前的区域可能看起来与周围环境相似，直到建筑物建成。类似地，在城市环境中，建造前的区域将与周围环境不同，直到施工完成。我们进一步提出了一种启发式方法来选择模型参数，使其无需数据标注工作（以拟合参数）即可应用于新环境。我们将模型应用于来自德尔马瓦半岛2016/2017年高分辨率航空影像的禽舍数据集，以及来自印度2020年Sentinel 2影像镶嵌图的太阳能农场数据集。我们的结果表明，使用所提启发式拟合的模型与使用标注数据拟合的模型表现相当，并且进一步表明我们模型的监督版本在所有测试的基线中表现最佳。最后，我们展示了所提方法可作为有效的数据增强策略——它使研究者能够沿时间维度扩充现有结构足迹标签，从而利用多个时间点的影像训练深度学习模型。我们表明这改善了此类模型在同一变化检测任务评估中的空间泛化能力。