联合UNet++和多级差分模块的多源光学遥感影像对象级变化检测

作     者：王超 王帅 陈晓 李俊勇 谢涛 WANG Chao;WANG Shuai;CHEN Xiao;LI Junyong;XIE Tao

作者机构：南京信息工程大学电子与信息工程学院南京210044 南京信息工程大学遥感与测绘工程学院南京210044 青岛海洋科学技术国家实验室区域海洋学与数值模拟实验室青岛266237 南京信息工程大学江苏省大气环境与装备技术协同创新中心南京210044 

基　　金：国家重点研发计划(2021YFC2803302) 国家自然科学基金(42176180) 江苏省应急管理科技项目(YJGL-YF-2020-16) 江苏省自然资源发展专项(JSZRHYKJ202114) 江苏省博士后基金(2021K013A) 江苏省研究生科研与实践创新计划(SJCX22_0335) 江苏省六大人才高峰工程(2019XYDXX135) 

出 版 物：《测绘学报》 (Acta Geodaetica et Cartographica Sinica)

年 卷 期：2023年第52卷第2期

页      码：283-296页

摘      要：随着传感器技术的飞速发展,基于多源光学遥感影像的变化检测已成为遥感领域中的研究热点。由于传感器成像差异,同一景象在多源光学遥感影像中通常呈现出不同的表现形式,因此面临着更加突出的“伪变化”问题。为此,本文提出了一种联合UNet++和多级差分模块的多源光学遥感影像对象级变化检测方法。该方法首先提出了一种多尺度特征提取差分(multi-scale feature extraction difference,MFED)模块,以增强模型对“伪变化”的识别能力;在此基础上,利用UNet++网络输出的多尺度特征对变化区域进行多角度精细刻画,并提出了一种自适应证据置信度指标(adaptive evidence credibility indicators,AECI);最后结合影像分割与Dempster-Shafer(DS)理论设计了加权DS证据融合策略(weighted dempster shafer evidence fusion,WDSEF),从而实现了深度网络像素级输出至对象级结果的映射。通过对不同地区的4组高分多源光学影像数据集进行试验,并与多种先进的深度学习方法进行对比分析,结果表明:在不同空间分辨率和时相差异条件下,本文方法的总体精度(overall accuracy,OA)和F 1 score分别可达91.92%和63.31%以上,在目视分析和定量评价均显著优于对比方法。

主 题 词：多源光学遥感影像 变化检测 UNet++ 多尺度特征提取差分 自适应证据信度指标 加权DS证据融合 

学科分类：0710[理学-生物科学类] 083002[083002] 0830[工学-生物工程类] 081802[081802] 08[工学] 0818[工学-交通运输类] 0804[工学-材料学] 081602[081602] 0816[工学-纺织类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.11947/j.AGCS.2023.20220202

馆 藏 号：203118625...