一种结合语义分割模型和图割的街景影像变化检测方法

作者：李文国; 黄亮^*; 左小清; 王译著

来源：全球定位系统, 2021, 46(01): 98-104.

• DeeplabV3+网络
• 图割(GC)
• 变化检测
• 迁移学习
• 变化向量分析(CVA)

由于街景影像具有地物尺度多样化、地物界限不明确、地物光谱信息复杂等问题,造成应用统计方法、机器学习等方法对复杂度高的街景影像变化检测性能欠佳.因此提出一种结合语义分割模型和图割(GC)的街景影像变化检测方法.该方法首先采用Camvid数据集训练DeeplabV3+网络得到的迁移学习模型对两个时期的街景影像进行语义分割;然后采用GC方法实现消除天空和植被等对街景影像的影响;接着采用变化向量分析(CVA)获取差异影像,最后对差异影像进行二值化和精度评价.研究结果表明,提出的方法总体精度优于大津法(OTSU)、K均值法、Segnet网络迁移学习模型方法和DeeplabV3+网络迁移学习模型方法,是一种可行的街景影像变化检测方法.

• 单位
  昆明理工大学