基于金字塔语义token全局信息增强的高分光学遥感影像变化检测

P237; 针对复杂背景、光谱变化等因素导致高分辨率遥感影像中细小地物检测缺失,几何结构检测不完整等问题,本文联合卷积网络和Transformer网络优势,提出一种基于金字塔语义token全局信息增强的变化检测网络(PST-GIENet).首先,利用无最大池化层的ResNet18网络提取多时相影像深度特征以构建融合特征,并采用联合注意力机制和深监督策略提高融合特征表达能力;然后,通过空间金字塔池化将影像特征表示为多尺度语义token,进而利用T ransformer编码器和解码器对融合特征空间进行全局上下文建模;最后,通过逐层上采样解码器生成最终变化图.为验证本文方法有效性,采用LEVIR-C...

Full description

Saved in:
Bibliographic Details
Published in测绘学报 Vol. 53; no. 6; pp. 1195 - 1211
Main Authors 彭代锋, 翟晨晨, 周顶蔚, 张永军, 管海燕, 臧玉府
Format Journal Article
LanguageChinese
Published 自然资源部遥感导航一体化应用工程技术创新中心,江苏南京 210044 22.07.2024
自然资源部国土卫星遥感应用重点实验室,江苏南京 210013%南京信息工程大学遥感与测绘工程学院,江苏南京 210044%武汉大学遥感信息工程学院,湖北武汉 430079
自然资源部地理国情监测重点实验室,湖北武汉 430079
南京信息工程大学遥感与测绘工程学院,江苏南京 210044
Subjects
pyramid semantic tokens
global dependency
高分辨率遥感影像
注意力机制
全局依赖性
attention mechanism
金字塔语义token
变化检测
change detection
high-resolution remote sensing images
Online AccessGet full text

Cover

More Information
Summary:P237; 针对复杂背景、光谱变化等因素导致高分辨率遥感影像中细小地物检测缺失,几何结构检测不完整等问题,本文联合卷积网络和Transformer网络优势,提出一种基于金字塔语义token全局信息增强的变化检测网络(PST-GIENet).首先,利用无最大池化层的ResNet18网络提取多时相影像深度特征以构建融合特征,并采用联合注意力机制和深监督策略提高融合特征表达能力;然后,通过空间金字塔池化将影像特征表示为多尺度语义token,进而利用T ransformer编码器和解码器对融合特征空间进行全局上下文建模;最后,通过逐层上采样解码器生成最终变化图.为验证本文方法有效性,采用LEVIR-CD、CDD和 WHU-CD 3个公开变化检测数据集进行对比试验与分析,定量结果表明PST-GIENet在3个数据集中均取得最优精度指标,其F1值分别达到91.71％、96.16％和94.08％.目视结果表明PST-GIENet可有效抑制复杂背景、光谱变化等因素干扰,显著增强网络对地物边缘结构和多尺度变化的捕捉能力,取得最佳目视效果.
ISSN:1001-1595
DOI:10.11947/j.AGCS.2024.20230415