基于语义分割的遥感影像建筑变化检测

遥感影像变化检测是利用多时相影像确定一定时间内地物或现象的变化,提供地物空间变化的定性与定量信息.传统遥感影像变化检测方法主要基于地面纹理及空间特征的方法,存在着难以精确识别遥感影像中新增建筑物的问题,为此该文提出了一种基于UNet网络的遥感影像建筑物变化检测方法.首先,将轻量级高效通道注意力机制网络(efficient channel attention network,ECANet),注入到原UNet网络模型,调整并优化网络结构,提升影像分割的准确度.然后改进SENet网络参数,提高遥感影像中的建筑物变化检测的精度.该文在高分辨率数据集LIVER-CD上进行实验,结果表明,所提方法的语义分割准确度达到99.03％,建筑变化检测准确率达到98.62％.相比于其他方法,该方法增强了影像的有效特征,提升了遥感影像中地面建筑物的检测精度.