基于改进UNet孪生网络的遥感影像矿区变化检测

来源期刊：煤炭学报2019年第12期

论文作者：向阳 赵银娣 董霁红

文章页码：3773 - 3780

关键词：矿区变化检测;深度学习;高分辨率遥感影像;UNet;

摘    要：矿产资源的开采在促进区域经济发展的同时,也造成了地表破坏,对生态环境造成了影响。利用遥感技术及时获取矿区土地利用覆盖和生态环境的变化信息,可以辅助矿区生态保护和生态恢复。针对传统变化检测方法中需要提取大量人工设计的图像特征,提出一种改进UNet孪生网络结构。用卷积层代替UNet结构中的池化层,加入中心环绕、双通道图像输入的孪生结构和特征金字塔模块,对遥感影像进行端到端的矿区变化检测。首先,对经过数据预处理的前后两时期遥感影像利用中心环绕的方法进行裁剪,获取图像的多尺度信息,将裁剪后的中心区域和环绕区域的影像分别输入到网络的孪生结构编码端,通过权值共享的孪生结构提取前后两时期影像的差异信息;然后,将同一特征层上的特征进行相减,获取前后两时期影像在不同卷积层上的差值影像并进行特征融合,把融合后的图像送入特征金字塔模块获取图像多尺度上下文信息。最后,将编码端和解码端对应层跳跃连接,进行端到端的预测,得到前后两时期矿区遥感影像的变化二值图像。实验结果表明:改进的变化检测网络方法与传统方法相比可以自动的提取图像的低层特征和高层语义特征,避免了人工提取图像特征的繁琐。此外,在检测结果上,改进的变化检测方法与对比方法相比,总体精度和Kappa系数有明显提高,同时也降低了检测的误检率和漏检率。