多尺度空洞卷积网络城市建筑物变化检测应用

作者：张缘; 王冬; 王晓华; 相恒茂; 季顺平

来源：测绘地理信息, 2023, 48(04): 30-34.

DOI：10.14188/j.2095-6045.2021180

• 遥感影像分类
• 深度学习
• 变化检测

提出一种多尺度连体空洞卷积网络（multi-scale siamese atrous convolutional neural network, MSACNN）作用于高分辨率遥感影像，实现城市建筑物变化检测。首先，对数据集进行重叠裁剪。然后，使用MSACNN对两期高分辨率航空影像进行建筑物变化检测，它能够从两期影像的不同尺度的特征图中发现变化信息，分割出变化结果，并且借助两期影像最终生成的特征图得到两期影像的建筑物提取结果。最后，通过新西兰基督城2011—2016年的建筑物变化检测实验，验证所提方法的有效性。结果表明，MSACNN在像素级和对象级的变化检测上的表现优于CVA、SiameseCNN及FC-Siam-conc方法；获取的变化建筑物对象级精度达到78.5%，召回率达到88.9%。

• 单位
  天津市测绘院; 山东省国土测绘院; 武汉大学