公路场景下无人机遥感图像变化检测研究

摘要

为适应公路场景的具体需求，构建了用于公路补油变化检测的数据集ROR-CD(road oil replenishment change detection)和新的变化检测模型SIBCD(single independent branch change detection network)，通过单一特征提取分支降低模型参数量．利用轻量级全局特征融合模块GFFM(global feature fusion module)融合全局信息和局部信息，提升模型面对多尺度数据的适应能力．采用基于空间和通道注意力的多尺度特征融合模块CFFM(convolutional feature fusion module)融合多时态多级特征，提升模型检测效果．在两个变化检测公开数据集LEVIR-CD和SYSU-CD以及自建公路补油变化检测数据集上进行一系列实验，验证了模型在保证计算成本的前提下，检测精度在多个数据集上均有所提高，可满足公路场景的实际需求．

关键词

遥感图像 / 变化检测 / 公路场景