一种新的基于深度学习的遥感影像变化检测算法——H-BIT方法的提出与应用

傅绘锦

您当前的位置：

首页 >

文章列表页 >

一种新的基于深度学习的遥感影像变化检测算法——H-BIT方法的提出与应用

技术热点研究 | 更新时间：2025-11-25

- 一种新的基于深度学习的遥感影像变化检测算法——H-BIT方法的提出与应用
- 一种新的基于深度学习的遥感影像变化检测算法——H-BIT方法的提出与应用
- 地理空间信息 2023年21卷第1期页码：53-57
- 作者机构：
  
  武汉大学遥感信息工程学院
- 作者简介：
- 基金信息：
- DOI：
  中图分类号： TP18;TP751
- 纸质出版：2023
- 稿件说明：
移动端阅览
傅绘锦. 一种新的基于深度学习的遥感影像变化检测算法——H-BIT方法的提出与应用[J]. 地理空间信息, 2023,21(1):53-57.

傅绘锦. 一种新的基于深度学习的遥感影像变化检测算法——H-BIT方法的提出与应用[J]. 2023, 21(1): 53-57.
傅绘锦. 一种新的基于深度学习的遥感影像变化检测算法——H-BIT方法的提出与应用[J]. 地理空间信息, 2023,21(1):53-57. DOI：

傅绘锦. 一种新的基于深度学习的遥感影像变化检测算法——H-BIT方法的提出与应用[J]. 2023, 21(1): 53-57. DOI：

摘要

对遥感影像变化检测进行了研究，提出了一种融合HRNet与BIT的H-BIT方法，能兼顾遥感影像高分辨率与高语义特征，在场景复杂、目标尺度跨度大时表现优异。该方法经HRNet网络、词元分析器处理后，引入Transformer，通过注意力机制，能从更大的感受野解译变化结果。在LEVIR-CD数据集上进行了实验，结果表明H-BIT方法能完整提取目标，对目标边缘的处理更平滑，变化检测的精确率、召回度、F1得分和总体精度分别为86.95%、90.24%、87.93%和96.62%，均高于原始BIT算法的表现，说明该方法能适应多尺度目标与复杂场景，变化检测精度高、计算速度快、鲁棒性高、泛化性强。

Abstract

关键词

Keywords

references

赵祥,王涛,张艳,郑迎辉,张昆,王龙辉.基于改进DeepLabv3+孪生网络的遥感影像变化检测方法[J].地球信息科学学报,2022(08).

肖明虹,冯文卿,眭海刚.超像素分割和多方法融合的遥感影像变化检测方法[J].测绘通报,2018(10).

孙红岩.基于多特征融合的遥感图像特征提取方法[J].计算机仿真,2016(10).

Gong Maoguo,Zhan Tao,Zhang Puzhao,Miao Qiguang.Superpixel-Based Difference Representation Learning for Change Detection in Multispectral Remote Sensing Images[J].IEEE Transactions on Geoscience and Remote Sensing,2017.

Haobo Lyu,Hui Lu,Lichao Mou.Learning a Transferable Change Rule from a Recurrent Neural Network for Land Cover Change Detection[J].Remote Sensing,2016.

浏览量

507

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于注意力机制的遥感影像道路提取方法

基于注意力机制与可变形卷积的遥感图像变化检测方法

场景分类驱动的遥感影像建筑物变化检测

基于深度学习方法的耕地违建自动提取

基于深度学习的遥感影像地表水时空监测与分析