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

作者：王鑫^*; 张香梁; 吕国芳

来源：电子与信息学报, 2022, 44(05): 1694-1703.

• 遥感图像
• 变化检测
• 深度学习
• 注意力机制
• 边缘变化信息

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。