遥感影像微小目标及动目标的变化检测方法——以小型车库和车辆为例

遥感影像在微小目标和动目标的变化检测中具有重要应用。本文以小型车库和车辆为例,综合运用微小目标检测和动目标检测方法,提出了一种综合方法来实现遥感影像中的微小目标和动目标的变化检测。该方法首先利用微小目标检测算法检测出车库中的微小目标,然后通过光流计算获得车辆的运动信息。接着,融合微小目标和动目标的特征,并利用基于深度学习的变化检测算法进行变化检测。实验结果表明,该方法在小型车库和车辆的变化检测中具有较好的性能和准确性。

基于TS3Net的遥感影像车辆变化检测方法

多时相遥感图像变化检测是遥感领域一个重要的研究方向,在环境监测、城市变迁、农业调查等各个方面有着广泛的应用,同时在军事和民用领域也具有重要意义。为解决遥感影像中的一些动目标和微小目标的变化检测,例如,车辆、小型车库、仓库等的检测,需要在特征提取阶段挖掘全局复杂语义信息。本文提出基于Transformer结构的三支路、SKAttention机制的TS3Net网络,该模型在CDD数据集上进行测试,F1得分和MioU参数均优于各对比模型。

遥感图像动态目标变化检测技术进展

遥感影像变化检测是遥感领域一个重要的研究方向,在环境监测、城市变迁、农业调查、战争症候预判、军事力量部署、军事打击毁伤评估等方面有着广泛的应用,在军事和民用领域同时具有重要意义。首先通过整理分析相关研究成果总结遥感图像变化检测的研究进展;其次,对变化检测技术进行分类,并针对传统的变化检测方法和基于机器学习的变化检测方法介绍了其典型算法并进行了优长分析;然后,围绕基于深度学习的变化检测方法展开,按照先给出一般框架,而后分析DL中用于变化检测的常用网络,再分析比较针对不同检测单元的网络模型的适应性特点;接着,总结了变化检测方面的数据集和常见的性能评价指标,并对不同算法的优劣处进行总结分析;最后,在分析的基础上对未来遥感影像变化检测面临的挑战、发展方向以及值得关注的问题进行了讨论和展望。

基于Siam-UNet++的高分辨率遥感影像建筑物变化检测

本文提出了一种基于Siam-UNet++的高分辨率遥感影像建筑物变化检测方法。遥感影像建筑物变化检测是一项重要的任务,可以用于城市规划、环境监测等领域。然而,传统的变化检测方法在处理高分辨率影像时存在着困难和挑战。因此,我们提出了一种结合Siam-UNet++的方法来解决这些问题。该方法首先使用Siam-UNet++网络对输入影像进行特征提取和编码,然后通过对比两个时刻的特征图来实现建筑物变化的检测。实验结果表明,所提出的方法在高分辨率遥感影像建筑物变化检测任务中取得了优秀的性能,相较于传统方法具有更高的准确率和鲁棒性。

复杂城市场景的高分辨率遥感影像建筑物变化检测

本文介绍了高分辨率遥感影像在建筑物变化检测中的应用,包括影像预处理、建筑物提取和特征提取、变化检测算法等方面。通过对不同算法的比较和分析,发现基于深度学习的变化检测算法具有较高的准确性和可靠性。文章还讨论了建筑物变化检测在城市规划和管理中的应用和实际意义,如城市规划、环境保护、交通管理和安全监控等。