基于多尺度注意力特征与孪生判别的遥感影像变化检测及其抗噪性研究

遥感影像在实际土地监测中其检测精度会受到影像数据中噪声的影响。为了提升变化检测方法的精度,本文提出了一种结合多尺度特征提取和注意力机制的孪生卷积神经网络的变化检测方法。首先使用含有不同膨胀率的空洞卷积和空间注意力模块组成多尺度特征提取模块;然后将同一卷积层的特征图相减获取前后两时期影像的差异特征图,并使用通道注意力机制增强特征提取效果;最后通过全连接层输出变化检测结果。将本文方法与目前已有的一些变化检测方法在未添加噪声的原始遥感影像数据和添加噪声后的遥感影像数据上进行对比分析。结果表明:(1)支持向量机这类采用单个像素光谱信息作为输入的方法受图像中噪声影响较大,以卷积神经网络为基础的方法受噪声影响较小;(2)本文提出的变化检测方法与其他方法相比检测精度较高且受噪声影响较小,获得了较好的变化检测结果。

基于Sentinel-2遥感影像的植被覆盖度反演及变化分析——以上海市奉贤区为例

植被覆盖度可以较好反映一个地区的植被生长状况,是衡量地面植被生长特征的一个重要指标。本文通过研究2017-2020年间上海市奉贤区的Sentinel-2遥感数据,利用归一化植被指数(NDVI)以及像元二分模型对该区域内植被覆盖度进行估算,并对植被覆盖度和相应的景观格局指数的变化进行了分析。结果表明,2017-2020年间奉贤区植被覆盖度呈现较为明显的变化,低等级植被覆盖度区域面积增加,高等级植被覆盖度区域面积减少,植被覆盖度总体呈减少趋势。