场景分类驱动的遥感影像建筑物变化检测

王航; 李炎寅

您当前的位置：

首页 >

文章列表页 >

场景分类驱动的遥感影像建筑物变化检测

更新时间：2026-05-30

- 场景分类驱动的遥感影像建筑物变化检测
- Vol. 24, Issue 5, Pages: 103-106(2026)
- 作者机构：
  
  园测信息科技股份有限公司
- 作者简介：
- 基金信息：
- DOI：
  CLC： TP18;TP751;P237
- Published：2026
- 稿件说明：
移动端阅览
王航, 李炎寅. 场景分类驱动的遥感影像建筑物变化检测[J]. 2026, 24(5): 103-106.
DOI：

王航, 李炎寅. 场景分类驱动的遥感影像建筑物变化检测[J]. 2026, 24(5): 103-106. DOI：

摘要

在复杂的城市环境中，现有建筑物变化检测方法存在误检和漏检问题，特别是在小目标变化检测方面。为解决这些问题，提出了一种场景分类驱动的建筑物变化检测网络。首先利用残差块分别从前后时相的遥感影像中提取多尺度深度特征；然后通过构建的差分模块实现前后时相特征的交互融合；最后构建检测头和分类头，分别用于检测精细化的变化区域和判断变化存在性。实验结果表明，该网络显著提升了建筑物变化检测的准确性和鲁棒性，为高精度建筑物变化检测提供了一种有效的解决方案。

Abstract

关键词

Keywords

references

戴诗涛,张晶.基于注意力机制与可变形卷积的遥感图像变化检测方法[J].地理空间信息,2024(10).

厉芳婷,张过,周方栋,王上,梁思,李志炜.基于双流并行全向扫描Mamba的遥感影像建筑物变化检测[J].武汉大学学报(信息科学版),2024(09).

孙剑明,赵梦鑫,郝旭耀.遥感图像变化检测方法研究综述[J].计算机工程与应用,2024(20).

孔文学,罗亦泳,陈心龙,张瑜,许超.高分辨率遥感影像建筑物提取卷积神经网络[J].北京测绘,2024(01).

鄢薪,慎利,潘俊杰,戴延帅,王继成,郑晓莉,李志林.多尺度特征融合与空间优化的弱监督高分遥感建筑变化检测[J].测绘学报,2024(08).

黄维,黄进良,王立辉,胡砚霞,韩鹏鹏.基于PCA的变化向量分析法遥感影像变化检测[J].国土资源遥感,2016(01).

张晗,倪维平,严卫东,边辉,吴俊政,李莎,金骁.利用分形和多尺度分析的中低分辨率SAR图像变化检测[J].武汉大学学报(信息科学版),2016(05).

唐朴谦,杨建宇,张超,朱德海,苏伟.基于像素比值的面向对象分类后遥感变化检测方法[J].遥感信息,2010(01).

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

利用轻量化卷积神经网络提取东部平原湖泊

基于注意力机制的遥感影像道路提取方法

基于矢量数据与深度学习的非农化检测方法

Rural Building Extraction Based on Stacked Sparse Auto-encoding

基于深度学习方法的耕地违建自动提取

Related Author

李旭

万继康

雍斌

王子明

毛爱芹

QIAN Pei

PI Yuanzheng

LEI Li

Related Institution

河海大学水文水资源与水利工程科学国家重点实验室

河海大学水文水资源学院

江苏大学计算机通讯与工程学院

江苏省地质工程勘察院

中煤航测遥感集团有限公司

AI问答

⁰