基于融合边缘变化信息全卷积神经网络的遥感图像变化检测.pdfVIP

第44卷第5 期 电 子 与 信 息 学 报 Vol. 44No. 5 2022年5 月 Journal of Electronics Information Technology May 2022 基于融合边缘变化信息全卷积神经网络的遥感图像变化检测 * 王 鑫 张香梁 吕国芳 (河海大学计算机与信息学院 南京 211100) 摘 要：高分辨率遥感图像变化检测是了解地表变化的关键，是遥感图像处理领域的一个重要分支。现有很多基 于深度学习的变化检测方法，取得了良好的效果，但是不易获得高分辨率遥感图像中的结构细节且检测精度有待 提高。因此，该文提出融合了边缘变化信息和通道注意力模块的网络框架(EANet)，分为边缘结构变化信息检 测、深度特征提取和变化区域判别3个模块。首先，为了得到双时相图像的边缘变化信息，对其进行边缘检测得 到边缘图，并将边缘图相减得到边缘差异图；其次，考虑到高分辨率遥感图像精细的图像细节和复杂的纹理特 征，为了充分提取单个图像的深度特征，构建基于VGG-16网络的3支路模型，分别提取双时相图像和边缘差异图 的深度特征；最后，为了提高检测精度，提出将通道注意力机制嵌入到模型中，以关注信息量大的通道特征来更 好地进行变化区域的判别。实验结果表明，无论从视觉解释或精度衡量上看，提出算法与目前已有的一些方法相 比，具有一定的优越性。 关键词：遥感图像；变化检测；深度学习；注意力机制；边缘变化信息 中图分类号：TN911.73; TP394.1 文献标识码：A 文章编号：1009-5896(2022)05-1694-10 DOI: 10.11999/JEIT210389 Remote Sensing Image Change Detection Based on Fully Convolutional Neural Networks with Edge Change Information WANG Xin ZHANG Xiangliang LÜ Guofang (College of Computer and Information, Hohai University, Nanjing 211100, China) Abstract: Change detection in high resolution remote sensing images is the key to understanding of land surface changes. Change detection of remote sensing images is an important branch of remote sensing image processing. Many existing change detection methods based on deep learning have achieved good results, but it is not easy to obtain the structural details of high resolution remote sensing images, and the accuracy of the det