面向高分辨率遥感影像变化检测的混合空间金字塔池化网络

作     者：邵攀 高梓昂 SHAO Pan;GAO Zi’ang

作者机构：三峡大学湖北省水电工程智能视觉监测重点实验室宜昌443002 三峡大学计算机与信息学院宜昌443002 

出 版 物：《遥感学报》 (NATIONAL REMOTE SENSING BULLETIN)

年 卷 期：2025年第29卷第1期

页      面：279-289页

核心收录：

学科分类：083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 081802[工学-地球探测与信息技术] 070801[理学-固体地球物理学] 07[理学] 08[工学] 0708[理学-地球物理学] 0818[工学-地质资源与地质工程] 081602[工学-摄影测量与遥感] 0816[工学-测绘科学与技术] 

基　　金：国家自然科学基金(编号:41901341) 

主　　题：遥感 变化检测 深度学习 混合空间金字塔池化 注意力机制 损失函数 截断—补偿加权交叉熵 类别级IoU 

摘      要：以残差网络为基础,结合高分辨率遥感影像的特点,提出一种全新的端到端变化检测网络——混合空间金字塔池化网络HSPPNet(Hybrid Spatial Pyramid Pooling Network)。HSPPNet首先将空洞卷积和注意力机制引导卷积并行集成,构建一种混合空间金字塔池化模块,以便有效提取高分辨率遥感影像中不同形状尺度的变化对象。然后,通过定义一种截断—补偿加权交叉熵函数和一种类别级IoU函数并将二者集成,得到一种全新的自适应平衡损失函数,来降低变化类与未变化类严重不均衡问题对变化检测的影响。最后设计一种简单有效的输入模块,通过综合考虑两期遥感影像及其差异图来增强变化信息。通过以上3点,HSPPNet增强了深度学习变化检测的性能。两组常用公开变化检测数据集上的实验结果表明HSPPNet可行、有效。