摘要：机载激光扫描和航空摄影测量两种技术获取的点云属性差异大,变化检测易受噪声和数据误差影响。为此设计了一种非监督的建筑物变化检测方法。首先利用基于坡度信息的渐进三角网加密和基于表面生长的点云分割方法,从激光点云中提取出地面、屋顶和植被3类要素;其次以激光扫描数据为基准检测建筑物拆除和加高两类变化;并对剩下的区域以密集匹配点云为基准探测出新建的建筑物;最后对检测的变化结果进行形态学滤波。实验证明,该方法能有效克服两种点云的差异和密集匹配噪声的影响,不仅能获得锐利的建筑物变化轮廓,而且能得到建筑物增高或拆除的类别标签。

摘要：针对遥感影像变化检测问题,提出了一种孪生高分辨率卷积神经网络模型。该模型首先基于孪生网络模型提取不同时相遥感影像的特征,然后将特征拼接后输入到嵌套U形网络中输出变化检测区域。为了提升变化检测效果,进一步设计了高分辨率卷积神经网络用于提取不同时相遥感影像的特征,以充分利用不同分辨率的特征来提升变化检测效果。在LEVIR-CD变化检测数据集上的大量实验表明,所提出方法能够比对比方法获得更高的变化检测精度。