基于深度变化特征的能源基础设施遥感图像检索方法

摘要

针对传统图像检索方法局限于单时相数据且缺乏时序遥感影像研究的现状，提出一种新型变化信息检索模型：SCanNet-Retrieval(Semantic Change Network and Retrieval),旨在提升双时相影像的变化信息检索性能。该模型由特征提取和相似性度量模块组成。特征提取模块结合编码器-解码器结构与SCanFormer模块，并引入类别变化矩阵，有效捕捉时空语义变化特征。相似性度量模块采用杰卡德相似系数进行检索性能评估，并对比欧氏、曼哈顿和汉明距离3种相似性度量方法，以验证模型有效性。构建了能源基础设施变化信息检索数据集(EICIRD:Energy Infrastructure Change Information Retrieval Dataset),解决了能源基础设施领域缺乏公开双时相数据集的难题。实验结果表明，SCanNet-Retrieval在各变化类别的检索精度平均超过93%,显著优于其他方法，展现了其在大规模时序影像数据中高效、准确检索能源基础设施变化信息的潜力。该方法为能源基础设施智能化监测和能源产业绿色转型提供了重要支持。

关键词

能源基础设施 / 深度学习 / 图像检索 / 变化检测