典型文献
基于多尺度注意力特征与孪生判别的遥感影像变化检测及其抗噪性研究
文献摘要：
遥感影像在实际土地监测中其检测精度会受到影像数据中噪声的影响.为了提升变化检测方法的精度,本文提出了一种结合多尺度特征提取和注意力机制的孪生卷积神经网络的变化检测方法.首先使用含有不同膨胀率的空洞卷积和空间注意力模块组成多尺度特征提取模块;然后将同一卷积层的特征图相减获取前后两时期影像的差异特征图,并使用通道注意力机制增强特征提取效果;最后通过全连接层输出变化检测结果.将本文方法与目前已有的一些变化检测方法在未添加噪声的原始遥感影像数据和添加噪声后的遥感影像数据上进行对比分析.结果表明:(1)支持向量机这类采用单个像素光谱信息作为输入的方法受图像中噪声影响较大,以卷积神经网络为基础的方法受噪声影响较小;(2)本文提出的变化检测方法与其他方法相比检测精度较高且受噪声影响较小,获得了较好的变化检测结果.
文献关键词：
遥感影像;变化检测;深度学习;图像噪声
中图分类号：
作者姓名：
杜俊翰;赖健;王雪;谭琨
作者机构：
华东师范大学地理科学学院,上海 200241;华东师范大学地理信息科学教育部重点实验室,上海 200241;高分辨率对地观测系统上海数据与应用中心,上海 200240
文献出处：
引用格式：
[1]杜俊翰;赖健;王雪;谭琨-.基于多尺度注意力特征与孪生判别的遥感影像变化检测及其抗噪性研究)[J].数据采集与处理,2022(01):35-48
A类：
B类：
多尺度注意力,遥感影像变化检测,抗噪性,土地监测,检测精度,膨胀率,空洞卷积,空间注意力,注意力模块,多尺度特征提取模块,一卷,卷积层,特征图,相减,差异特征,通道注意力机制,提取效果,全连接层,遥感影像数据,像素,光谱信息,噪声影响,其他方法,图像噪声
AB值：
0.2717
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
