来源：期刊VIP网 时间：
作者：吴国盼;王蒙蒙;李辛莹;高宇翔;
单位：中铁工程设计咨询集团有限公司;西南交通大学地球科学与工程学院;西南交通大学土木工程学院;湖北航天技术研究院总体设计所;
摘要：随着卫星传感器技术和深度学习技术的蓬勃发展，基于深度学习的变化检测研究已成为遥感变化检测领域中的主流方法。针对现有深度学习方法特征提取和融合不充分的问题，提出了一种基于三维卷积神经网络的遥感影像变化检测方法。在特征编码阶段，首先利用三维卷积的内部融合特性同时提取和融合双时相影像特征。在特征解码阶段，为有效利用影像特征的全尺度信息，采用全尺度跳跃连接机制将不同尺度的特征信息在时间维度进行结合，最终产生具有高精度的变化结果。实验结果表明，该方法在两个基准数据集上的精度均显著优于其他先进的深度学习变化检测方法。
关键词：变化检测;;三维卷积;;时间维度;;特征融合;;全尺度连接
基金资助：国家自然科学基金(41971281)
