摘要
本发明涉及一种基于边缘引导的差异增强网络的遥感图像变化检测方法,所构建的差异增强变化检测网络主要包括骨干网络、边缘增强模块、双分支差异增强模块、多尺度差异特征融合模块和解码器,通过边缘增强模块来细化变化对象的边缘信息,从而能够为发生变化的对象提取边界清晰的特征信息;双分支差异增强模块来有效地学习前景和背景之间的差异。该模块通过空间和通道分支捕获双时图像的全局和局部信息,强调变化区域,同时抑制噪声干扰,增强差异的长程依赖性。本发明使用多尺度差异特征融合的方法来提高高分辨率遥感图像下小物体的检测性能。实验结果表明,所提出网络在多个公共数据集上的检测效果都优于当前几种常用的遥感图像变化检测方法。
技术关键词
变化检测网络
多尺度特征
高分辨率遥感图像
高分辨率光学遥感图像
通道注意力机制
融合特征
语义特征
解码器
模块
分支
抑制噪声干扰
更新模型参数
多层感知机
系统为您推荐了相关专利信息
检测模型训练方法
多尺度特征
多模态交互
重构模块
特征金字塔
特征提取网络
动态障碍物检测
加权损失函数
交叉注意力机制
图像
滚动轴承故障诊断方法
生成对抗网络模型
一维卷积神经网络
滚动轴承振动信号
数据分布
脉冲特征
矩阵
多尺度特征融合
跨尺度特征融合
联合损失函数
佩戴检测方法
交通路口
头盔
卷积模块
特征融合网络