基于级联U-Net与领域自适应的高分辨率遥感图像变化检测方法研究
遥感图像变化检测是遥感图像处理中的一项重要的任务，变化检测是指利用同一个区域在不同时刻拍摄的遥感图像检测出地物的变化。变化检测在城市规划、土地利用、环境保护、灾害评估等领域都有着广泛的应用。随着观测技术的不断发展，遥感图像的类型变得更加多元化，与此同时对遥感图像变化检测的需求也在不断增加。本文主要研究光学遥感图像的变化检测，即对从同一地点拍摄的不同时刻的遥感图像进行二值变化检测任务。 随着深度学习技术的发展，变化检测模型在检测性能上有了显著的提升。本文总结分析了现有的几种变化检测模型，并通过实验进行了对比。现有的大部分变化检测模型使用了类似 U-Net 的网络结构。但这些变化检测网络难以准确分割出变化地物的边缘，对较小和形状复杂地物的检测精度还有待提高。而且对于较大的地物的检测，单个U-Net模型的感受野可能不足。 另外由于数据来源不同、拍摄时光照不同、季节不同等数据领域不一致的问题，造成变化检测数据集中的双时相图像中领域跨度较大，从而对变化检测模型的检测性能产生影响。而现有的变化检测领域自适应方法没有充分利用变化检测中数据拍摄同一地点从而包含不变信息的特点，且现有领域自适应的方式缺乏灵活性，只能从一种固定的领域自适应到另一个固定的领域，导致需要手工将数据集中的图片按领域划分。 针对以上两方面的问题，本文主要研究内容包括下面两个部分： 1）针对现有的变化检测模型存在的问题，提出了一种基于级联U-Net的变化检测方法。该方法通过级联 U-Net 网络，对提取的特征不断地进行优化，从而产生更优的检测结果。并利用分块嵌入使得模型能用更低的计算代价级联更多的 U-Net结构。另外提出了一种通过训练时调整不同U-Net输出占最终结果权重的训练策略，进一步提升检测精度。通过在两个数据集上的实验以及对实验结果定量与定性的分析，验证了提出的变化检测方法的有效性。 2）针对变化检测数据中双时相遥感图像数据所在的领域跨度大的问题，提出一种领域交换网络。通过显式地提取遥感图像的领域特征与领域无关的特征，再对领域相关特征进行交换，最后结合两种特征从而生成出领域交换后的图像。利用提出的网络交换一对双时相图像的领域，生成出每一个时相在两个领域上的图像，使变化检测模型能利用在同一领域不同时相的图像间进行检测。最后通过实验验证了本文提出的领域自适应方法的有效性，以及验证了领域自适应后能够提升变化检测模型的性能。
光学遥感图像;变化检测;级联网络;领域自适应;领域交换网络
重庆交通大学
硕士
计算机科学与技术
杨建喜;杨祥立
2023
中文
TP751
2023-09-14（万方平台首次上网日期，不代表论文的发表时间）