基于域自适应神经网络的光学与合成孔径雷达遥感图像变化检测

为解决光学和合成孔径雷达(SAR)遥感图像变化检测中存在的原始图像特征损失和意外噪声引入问题,提高遥感影响图像变化检测质量与精度,提出一种基于域自适应神经网络的光学和SAR遥感图像变化检测方法。首先,引入域自适应约束,将提取的异构深度特征对齐到一个共同的深度特征空间中,从而提高异构图像变化检测的性能。其次,通过将对齐的深度特征输入多尺度解码器生成最终的变化图。最后,选取3个典型数据集对所提方法的有效性进行实验,并选取6种先进的检测方法进行对比分析。实验结果表明,所提检测方法在3个数据集上的平均精度、召回率、分割性能和加权值性能分别为80.81%、84.39%、73.67%和82.58%,优于对比方法。