计算机应用研究

作者：朱节中,陈永,柯福阳,张果荣,

单位：1.南京信息工程大学滨江学院,江苏无锡214105；2.南京信息工程大学a.自动化学院;b.遥感与测绘工程学院,南京210044；

关键词：深度学习,Siam-UNet++,变化检测,注意力机制,多边输出融合,

基金：江苏省“六大人才高峰”高层次人才项目(XYDDX-045)；西宁市科技计划项目(2019-Y-12)；国家级大学生创新训练项目(201910300047)；无锡市现代产业发展资金项目(003231911161)；；

针对同一区域前后时序的高分辨率遥感影像背景复杂、变化类别多样、目标变化检测时存在漏检和边界识别粗糙问题，提出了一种基于Siam-UNet++深度神经网络的高分辨率遥感影像建筑物变化检测算法。该算法采用UNet++作为骨干提取网络，在其编码器部分应用Siam-diff（Siamese-difference）结构提取前后两时序图像的变化特征，并在解码阶段的上采样和横向跳跃路径连接之后引入注意力机制，突出建筑物变化的特征，抑制网络对其他类别特征的学习；同时使用多边输出融合（multiple side-output fusion，MSOF）策略加权融合不同语义层次的特征信息，提高了建筑物变化检测的精度；最后采取滑窗的方法对大尺度遥感影像进行预测，减少拼接过程中变化结果图产生的空洞图斑。在大型建筑物变化检测数据集上的实验结果表明，该算法有效提升了建筑物的变化检测效果。

来源：2021年第11期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第11期