语义驱动的遥感影像无监督变化检测方法

摘要

针对遥感影像无监督变化检测精度较低问题，受视觉基础模型技术启发，提出一种语义驱动的遥感影像无监督变化检测方法。首先，使用分割一切模型（SAM）对遥感影像进行无监督分割获得不同的对象区域。其次，使用大型语言和视觉助手（LLaVA）为两个时相遥感影像中的对象区域生成相应的文本描述。再次，进一步利用文本特征嵌入模型将文本描述转换为特征向量，并计算两个时相遥感影像同一对象区域的语义相似性；根据同一分割对象区域在不同时相遥感影像上的语义差别，使用阈值分割的方法识别变化区域。最后，融合利用不同时相的遥感影像作为分割基准影像获得的变化结果，以进一步提升变化检测精度。在LEVIR-CD和WHUCD两个基准测试数据集上的大量变化检测实验验证了所提方法的有效性。

关键词

遥感影像 / 变化检测 / 深度学习 / 大语言模型 / 多模态