一种基于双支路神经网络遥感影像的建筑物变化检测方法

针对当前深度学习遥感建筑物变化检测方法难以顾及多时相语义特征的相关性和互补性的问题,本文利用双支神经网络具有从不同时相遥感影像中直接提取图像特征信息,发现不同时相遥感影像中同类地物特征的相似性找出图像中的变化信息的能力,提出了一种基于双支路神经网络遥感影像的建筑物变化检测方法,用于克服不同成像条件带来的图像特征差异,融合多时相语义特征的相关性和互补性,提高遥感建筑物变化检测的精度。在国产高分卫星影像数据集上的实验结果表明,本文方法比单支网络SegNet识别准确性更高,边界更加清晰,小斑块建筑物变化也能够更准确地识别。