UCDFormer：基于 Transformer 驱动图像翻译的无监督变化检测
计算机视觉与模式识别
2023-08-03 v1 图像与视频处理
摘要
通过比对双时相影像进行变化检测（CD）是遥感中的关键任务。无监督 CD 因无需繁琐的标注变化信息而备受学界关注。然而，现有无监督 CD 方法很少考虑多时相影像中由光照与大气条件引起的季节与风格差异。为此，我们提出了一种面向遥感影像、带域偏移设定的变化检测。进而，我们给出一种使用轻量 Transformer 的无监督 CD 新方法，称为 UCDFormer。具体地，首先提出由轻量 Transformer 与域特定亲和权重组成的 Transformer 驱动图像翻译，以实时高效地缓解两幅影像间的域偏移。图像翻译后，我们可生成翻译后事件前影像与原始事件后影像间的差异图。随后，提出一种新颖的可靠像素提取模块，通过融合模糊 c 均值聚类与自适应阈值的伪变化图来选取显著变化/未变化像素位置。最后，基于这些选定像素对与二分类器获得二值变化图。在具季节与风格变化的多种无监督 CD 任务上的实验结果表明了所提 UCDFormer 的有效性。例如，相较于若干其他相关方法，UCDFormer 在 Kappa 系数上提升逾 12%。此外，在考虑大规模应用时，UCDFormer 对地震诱发滑坡检测取得了优异性能。代码见 \url{https://github.com/zhu-xlab/UCDFormer}
引用
@article{arxiv.2308.01146,
title = {UCDFormer: Unsupervised Change Detection Using a Transformer-driven Image Translation},
author = {Qingsong Xu and Yilei Shi and Jianhua Guo and Chaojun Ouyang and Xiao Xiang Zhu},
journal= {arXiv preprint arXiv:2308.01146},
year = {2023}
}
备注
16 pages, 7 figures, IEEE Transactions on Geoscience and Remote Sensing