基于孪生注意力网络的建设用地遥感影像变化检测

针对利用传统语义分割网络进行城市建设用地变化检测过程中出现的欠分割或者过分割、边缘分割粗糙等问题,文中提出了一种基于孪生注意力网络的高分辨率遥感影像变化检测方法。该方法在编码部分使用孪生神经网络进行特征采集,以保留更多的不同时相影像特征;深层编码阶段引入空洞卷积特征金字塔实现多尺度特征的提取与融合,增大网络感受野;解码部分使用注意力机制CBAM突出有用特征以增强有用信息,提高边缘分割精度;最后在娄底市土地利用变化数据集上进行实验。实验结果表明,该方法在娄底市土地利用变化检测数据集上的准确率达到92.56%,精确率达到89.15%,召回率达到85.61%,IoU达到77.53%,MIoU达到83.76%,F1分数达到87.34%,Kappa系数达到31.42%,性能指标优于FCN网络、U-Net网络、CBAM U-Net网络。实验结果表明,该方法可以有效解决变化检测结果欠分割或者过分割、边缘分割粗糙的问题。