1、 第5 2卷 第1期测 绘 学 报V o l.5 2,N o.1 2 0 2 3年1月A c t aG e o d a e t i c ae tC a r t o g r a p h i c aS i n i c aJ a n u a r y,2 0 2 3引文格式:叶沅鑫,孙苗苗,周亮,等.面向建筑物变化检测的主体边缘分解与重组神经网络J.测绘学报,2 0 2 3,5 2(1):7 1-8 1.D O I:1 0.1 1 9 4 7/j.AG C S.2 0 2 3.2 0 2 1 0 3 5 0.Y EY u a n x i n,S UN M i a o m i a o,Z HOU L i
2、 a n g,e ta l.M a i nb o d y,e d g ed e c o m p o s i t i o na n dr e o r g a n i z a t i o nn e t w o r kf o rb u i l d i n gc h a n g ed e t e c t i o nJ.A c t aG e o d a e t i c ae tC a r t o g r a p h i c aS i n i c a,2 0 2 3,5 2(1):7 1-8 1.D O I:1 0.1 1 9 4 7/j.AG C S.2 0 2 3.2 0 2 1 0 3 5 0.面向
3、建筑物变化检测的主体边缘分解与重组神经网络叶沅鑫1,2,孙苗苗1,周 亮1,杨 超1,刘天逸1,郝思媛31.西南交通大学地球科学与环境工程学院,四川 成都6 1 1 7 5 6;2.高速铁路安全运营空间信息技术国家地方联合工程实验室,四川 成都6 1 1 7 5 6;3.青岛理工大学信息与控制工程学院,山东 青岛2 6 6 5 2 0M a i nb o d y,e d g ed e c o m p o s i t i o n a n dr e o r g a n i z a t i o nn e t w o r kf o rb u i l d i n gc h a n g ed e t e
4、c t i o nY EY u a n x i n1,2,S U NM i a o m i a o1,Z H O UL i a n g1,Y A N GC h a o1,L I UT i a n y i1,H A OS i y u a n3M a i nb o d y,e d g ed e c o m p o s i t i o n a n dr e o r g a n i z a t i o nn e t w o r kf o rb u i l d i n gc h a n g ed e t e c t i o nY EY u a n x i n1,2,S U NM i a o m i a
5、o1,Z H O UL i a n g1,Y A N GC h a o1,L I UT i a n y i1,H A OS i y u a n31.S c h o o l o fG e o s c i e n c e sa n dE n v i r o n m e n t a lE n g i n e e r i n g,S o u t h w e s tJ i a o t o n gU n i v e r s i t y,C h e n g d u6 1 1 7 5 6,C h i n a;2.S t a t e-P r o v i n c eJ o i n t E n g i n e e
6、r L a b o r a t o r y i nS p a t i a l I n f o r m a t i o nT e c h n o l o g yf o rH i g h-S p e e dR a i l w a yS a f e t y,C h e n g d u 6 1 1 7 5 6,C h i n a;3.C o l l e g eo f I n f o r m a t i o na n dC o n t r o l E n g i n e e r i n g,Q i n g d a oU n i v e r s i t yo fT e c h n o l o g y,Q
7、i n g d a o2 6 6 5 2 0,C h i n aA b s t r a c tA b s t r a c t:T r a d i t i o n a ln e u r a l n e t w o r km e t h o d s f o r b u i l d i n gc h a n g ed e t e c t i o n t e n d t op r o d u c e t h es a w-t o o t hb o u n d a r i e s,a n dt h e ya r ed i f f i c u l tt oa c c u r a t e l yi d e
8、n t i f yc h a n g eb o u n d a r i e si nd e n s eb u i l d i n ga r e a s.T oa d d r e s s t h a t,t h i sp a p e rp r o p o s e sac h a n g ed e t e c t i o nm e t h o db a s e do nm a i nb o d y,e d g ed e c o m p o s i t i o na n dr e o r g a n i z a t i o nn e t w o r k.T h ep r o p o s e dm e
9、 t h o dp e r f o r m sc h a n g ed e t e c t i o nb yr e s p e c t i v e l ym o d e l i n gb o d ya n de d g e sf e a t u r e so fb u i l d i n g s,w h i c hi so nt h eb a s i so nt h ec h a r a c t e r i s t i c so fs t r o n gs i m i l a r i t yb e t w e e n t h eb o d yp i x e l sa n dw e a ks i
10、 m i l a r i t yb e t w e e nt h ee d g ep i x e l s.I nt h ed e f i n i t i o no ft h ep r o p o s e dm e t h o d,w e f i r s t y i e l dd u a l-t e m p o r a lm u l t i-s c a l ed i f f e r e n c e f e a t u r e su s i n gaS i a m e s eR e s N e t s t r u c t u r e,a n dt h e ns e p a r a t e t h
11、eb o d y f e a t u r e sa n de d g ef e a t u r e so fb u i l d i n g sb y l e a r n i n gaf l o wf i e l d.S u b s e q u e n t l y,af e a t u r eo p t i m i z a t i o ns t r u c t u r e i sd e s i g n e dt or e f i n et h eb o d ya n de d g ef e a t u r e su s i n gt h eb o d ya n de d g et a g s.F
12、 i n a l l y,t h eo p t i m i z e db o d ya n de d g ef e a t u r e sa r er e o r g a n i z e dt og e n e r a t ea ne n d-t o-e n dc h a n g ed e t e c t i o nm o d e l.E x p e r i m e n t sh a v eb e e np e r f o r m e db yu s i n g t h ep u b l i c l ya v a i l a b l eb u i l d i n gd a t a s e t
13、L E V I R-C D,a n dt h er e s u l t ss h o wt h a tt h ep r o p o s e dm e t h o dc a na c c u r a t e l yi d e n t i f yt h eb o u n d a r i e so fc h a n g i n gb u i l d i n g s,a n do b t a i nb e t t e rr e s u l t sc o m p a r e d w i t ht h e m e t h o d sb a s e do nU-N e tn e t w o r ka n d
14、t h e s ec o m b i n i n gs p a t i a l-t e m p o r a la t t e n t i o n.K e yw o r d sK e yw o r d s:f e a t u r ed e c o m p o s i t i o n;f e a t u r eo p t i m i z a t i o n;f e a t u r e r e o r g a n i z a t i o n;c h a n g ed e t e c t i o nF o u n d a t i o ns u p p o r tF o u n d a t i o ns
15、 u p p o r t:T h eN a t i o n a lN a t u r a l S c i e n c eF o u n d a t i o no fC h i n a(N o.4 1 9 7 1 2 8 1)摘 要:针对建筑物变化检测中传统神经网络方法易产生锯齿形边界,难以准确识别密集建筑物区域变化地物边界的问题,本文提出一种基于主体、边缘分解与重组网络的变化检测方法。该方法基于地物主体内部像元间相似性较强,而边缘像元间相似性较弱的特点,构建对地物主体与边缘分别建模的变化检测模型。该模型首先通过孪生残差网络结构提取双时相多尺度差值特征:然后,利用可学习的流域分离出地物的主体特征
16、和边缘特征;其次,设计特征优化结构,利用主体标签和边缘标签对分离后的主体特征和边缘特征进行精准优化;最后,将优化后的主体特征和边缘特征进行重组,形成端到端的变化检测模型。通过在公开的建筑物数据集L E V I R-C D进行试验,结果表明,相较于基于U-N e t网络的方法和结合时空注意力的方法,该方法能够准确识别变化建筑物的边界,获得更优的检测结果。关键词:特征分离;特征优化;特征重组;变化检测中图分类号:P 2 2 7 文献标识码:A 文章编号:1 0 0 1-1 5 9 5(2 0 2 3)0 1-0 0 7 1-1 1基金项目:国家自然科学基金(4 1 9 7 1 2 8 1)J a n u a r y2 0 2 3V o l.5 2N o.1A G C Sh t t p:x b.c h i n a s m p.c o m 建筑物作为一个城市的重要组成部分,其拆除、新建、扩建等变化与人类生活息息相关,及时准确地获取建筑物的变化信息对于人类发展具有重要意义1。随着遥感成像技术的快速发展,可用于变化检测的遥感影像数据越来越多,为利用遥感影像进行建筑物变化检测提供了海量的研究数据。面