基于CNN-Transformer结构的遥感影像变化检测

CIOMP OpenIR

	基于CNN-Transformer结构的遥感影像变化检测
	潘梦洋 ; 杨航 ; 范祥晖
	2024-10-15
发表期刊	液晶与显示
卷号	39 期号:10 页码:1361-1379
摘要	现代高分辨率遥感图像变化检测借助卷积神经网络（Convolutional Neural Network, CNN）取得了显著成果。然而，卷积操作的感受野限制导致在学习全局上下文和远程空间关系方面存在不足。虽然视觉Transformer能有效捕获远程特征的依赖性，但其对影像变化细节的处理不足，导致空间定位能力有限且计算效率低下。为解决上述问题，本文提出了一种基于空间空洞金字塔池化的跨层级联线性融合端到端编解码混合CNN-Transformer的变化检测模型，兼具视觉Transformer和CNN的优势。首先，利用孪生CNN网络提取图像特征，并借助空洞金字塔池化模块对特征进行精细处理，从而更精准地捕获图像的细节特征信息。其次，将提取的特征转化为视觉单词，并通过Transformer编码器进行建模，以获取丰富的上下文信息。这些信息随后被反馈至视觉空间，通过Transformer解码器对原始特征进行强化，提升特征的表达效果。接着，采用跨层级联的方式将CNN提取的特征与Transformer编解码的特征进行融合，利用上采样技术联系不同分辨率的特征图，实现位置信息与语义信息的融合。最后，通过差异增强模块生成包含丰富变化信息的差异特征图。在LEVIR、CDD、DSIFN和WHUCD 4个公开遥感数据集上的广泛实验验证了本文方法的有效性。与其他先进方法相比，本文模型的分类性能更出色，有效改善了变化检测中的欠分割、过分割及边缘粗糙等问题。
文献类型	期刊论文
条目标识符	http://ir.ciomp.ac.cn/handle/181722/68610
专题	中国科学院长春光学精密机械与物理研究所
作者单位	1.中国科学院长春光学精密机械与物理研究所 2.中国科学院大学
推荐引用方式 GB/T 7714	潘梦洋,杨航,范祥晖. 基于CNN-Transformer结构的遥感影像变化检测[J]. 液晶与显示,2024,39(10):1361-1379.
APA	潘梦洋,杨航,&范祥晖.(2024).基于CNN-Transformer结构的遥感影像变化检测.液晶与显示,39(10),1361-1379.
MLA	潘梦洋,et al."基于CNN-Transformer结构的遥感影像变化检测".液晶与显示 39.10(2024):1361-1379.

条目包含的文件
文件名称/大小	文献类型	版本类型	开放类型	使用许可
基于CNN-Transformer结构的（1680KB）	期刊论文	出版稿	开放获取	CC BY-NC-SA	浏览请求全文