【论文笔记】DSIFN:用于高分辨率双时相遥感图像变化检测的深度监督图像融合网络

本文介绍了DSIFN网络,一个结合深度特征提取和差异判别的图像融合网络,用于高分辨率遥感图像的变化检测。该网络采用VGG-16作为基础模型,并利用注意力机制改进变化图的边界完整性和内部致密度。实验对比了多种方法,显示了DSIFN在大变化和小变化区域检测上的优势。数据增强和损失函数的结合有助于优化模型性能。
摘要由CSDN通过智能技术生成

本文是论文《A deeply supervised image fusion network for change detection in high resolution bi-temporal remote sensing images》的阅读笔记。

文章提出了一个深度监督图像融合网络DSIFN,首先使用量分支的全卷积网络进行特征提取,然后再用深度监督的差异判别网络DNN进行变化检测。为了提升变化图边界的完整性和内部的致密性,使用多层次的深度特征与图像差图特征通过注意力机制进行融合。

一、方法和网络结构

现有的深度学习方法有以下限制:1. 变化图边界的完整性和内部的致密性不好;2. 在双分支网络结构中,容易出现梯度消失;3. 怎么样在不同域中进行有效的特征融合是个问题。

在这里插入图片描述

上图是IFN网络的结构示意图。

在这里插入图片描述

上图是DNN的示意图。

深度图像融合网络IFN包括深度特征提取网络DFEN,差异判别网络DDN。DFEN的backbone是VGG-16,文章第一次尝试使用预训练网络进行端到端的变化检测任务。使用的注意力机制包括空间注意力和通道注意力,和CBAM注意力机制类似,大家可以去我博客搜一下,这里不再赘述。数据增强包括:1.图像旋转、2. 图像翻转、3. 增加噪声、4. 图像模糊、5. 图像平滑。

二值交叉熵损失公式如下:
L b c e = − t i log ⁡ ( y i ) − ( 1 − t i ) log ⁡ ( 1 − y i ) L_{b c e}=-t_{i} \log \left(y_{i}\right)-\left(1-t_{i}\right) \log \left(1-y_{i}\right) Lbce=tilog(yi)(1ti)log(1yi)
其中, t i t_i ti表示在像素 i i i处的GT值, t i = 1 t_i=1 ti=1表示发生了变化, t i = 0 t_i=0 ti=0表示未发生变化; y i y_i yi表示像素 i i i处变化的概率; 1 − y i 1-y_i 1yi表示未变化的概率。文章中使用的sigmoid二值交叉熵损失,其公式如下:
L s i g − b c e = − t i log ⁡ ( σ ( y i ) ) − ( 1 − t i ) log ⁡ ( σ ( 1 − y i ) ) L_{s i g_{-} b c e}=-t_{i} \log \left(\sigma\left(y_{i}\right)\right)-\left(1-t_{i}\right) \log \left(\sigma\left(1-y_{i}\right)\right) Lsigbce=tilog(σ(yi))(1ti)log(σ(1yi))
其中 σ \sigma σ表示sigmoid激活函数,为了弱化不平衡类的影响,文章结合了sigmoid二值交叉熵损失和dice系数损失,dice系数损失的定义如下:
L dice  = 1 − ( 2 y i t i ) / ( y i + t i ) ) \left.L_{\text {dice }}=1-\left(2 y_{i} t_{i}\right) /\left(y_{i}+t_{i}\right)\right) Ldice =1(2yiti)/(yi+ti))
总损失函数如下:
KaTeX parse error: Expected '}', got '_' at position 17: …L=L_{\text {sig_̲bce }}+L_{\text…

二、实验

实验选用的baseline模型有:Unet++_MSOF、FC-Sima-conc、FC-Sima-diff、FCN-PP(Fully convolutional network with pyramid pooling)。

在这里插入图片描述

上图是多种变化检测方法的对比。

在这里插入图片描述

上图是大变化区域的检测结果,a~h分别是T1图像、T2图像、GT图像、IFN结果、Unet++_MSOF结果、FCN-PP结果、FC-Siam-conc结果、FC-Siam-diff结果。

在这里插入图片描述

上图是小变化区域的检测结果,a~h分别是T1图像、T2图像、GT图像、IFN结果、Unet++_MSOF结果、FCN-PP结果、FC-Siam-conc结果、FC-Siam-diff结果。

高分辨率遥感图像变化检测pdf是一种用于分析和比较遥感图像的技术文档。遥感图像变化检测是指通过对比不同时间或不同条件下的遥感图像,识别和分析图像中的变化和差异。 高分辨率遥感图像变化检测是基于高分辨率遥感图像数据,通过图像处理和分析方法,检测和分析地表或地物的变化情况。这种方法可以广泛应用于土地利用/覆盖变化分析、城市化监测、环境变化评估等领域。 该技术主要包括以下几个步骤:首先,获取不同时间或条件下的高分辨率遥感图像。然后,通过图像预处理方法,将图像转换为可进行比较和分析的形式,如灰度图像或二值图像。接下来,采用适当的图像处理算法和方法,将比较图像进行差异检测,找出图像中的变化区域。最后,根据变化区域的特征和属性,进行地物变化的分析和评估。 高分辨率遥感图像变化检测具有以下几个优点和应用价值:一是能够提供详细和准确的变化信息,对于复杂地物和区域的变化分析具有较高的精度和可靠性。二是可以实现大范围和长时间的遥感监测,比较不同时间段的图像可以反映地表和地物的演变过程。三是可以为城市规划、资源管理、环境保护等提供科学依据和决策支持。 总之,高分辨率遥感图像变化检测pdf是一种重要的技术文档,它介绍了遥感图像变化检测的原理、方法和应用,对于地理信息、遥感科学和环境监测等领域具有重要意义。
评论 6
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值