基于改进型UNet模型的遥感图像建筑物变化检测  

作　　者：江勇 张红梅[2] 付雪峰[1] 阮仁松 

机构地区：[1]南昌工程学院信息工程学院,江西南昌330099 [2]南昌工程学院水利与生态工程学院,江西南昌330099

出　　处：《电脑知识与技术》2023年第10期1-4,8,共5页Computer Knowledge and Technology

基　　金：江西省水利科技重大项目“赣抚平原灌区土壤墒情遥感反演及智能监测技术研究”(编号:202124ZDKT21);江西省科技厅重点研发计划一般项目“萍乡市海绵城市建设后下垫面及水系空间重构研究”(编号:20192BBGL70054)。

摘　　要：建筑物变化检测是地表变化检测的重要内容之一。传统的目视解译效率低,而监督分类法提取建筑物精度有限,因而研究具有更高精度的计算机自动识别分类算法具有重要意义。文中提出一种改进型UNet模型,用于从高分辨率遥感图像中检测建筑物的变化。此方法把图像中每个像素划分为变化类或非变化类,由所有变化类的像素构成变化检测结果图。新模型引入带有深度可分离卷积的残差结构以改变UNet网络编码阶段的标准卷积操作,增强网络的鲁棒性和抑制过拟合;针对语义分割对非检测对象缺乏监测,小目标易被漏检问题,在UNet阶跃连接部分引入坐标注意力机制,增强对变化类特征的学习;在解码阶段引入特征金字塔结构,进行多尺度预测,通过额外的跃层连接,提高模型的特征重组能力,解决了解码阶段有些重要特征会在上采样中丢失的问题。实验结果表明,改进型UNet模型的提取准确率、召回率和F1值三种指标达到95%以上,具有优越的建筑物检测效果。

关 键 词：高分遥感影像 建筑物变化检测 深度可分离卷积 坐标注意力机制 特征金字塔 

分 类 号：TP79[自动化与计算机技术—检测技术与自动化装置]