基于循环翻译的协作培训,用于高光谱-RGB多模式变化检测

科学领域:

• 遥感 遥感 遥感 遥感
• 计算机视觉 计算机视觉
• 地理空间分析是什么

背景情况:

• 超光谱图像变化检测 (HSI-CD) 依赖于同质的多时段HSI,这些HSI很难获得.
• 通过整合RGB数据来解决HSI可用性问题,但由于不同的成像机制而面临挑战.

研究的目的:

• 开发一种强大的HSI-RGB多式变化检测方法,克服模式差异.
• 从HSI和RGB数据中实现互补变化信息的协作学习.

主要方法:

• 基于循环翻译的协作培训 (联合培训) 框架被提议用于HSI-RGB多式联络CD.
• 一个基于CycleGAN的交叉模式引导的图像翻译模块通过双向翻译来缓解模式差异.
• 一个空间光谱交互式联合培训CD模块促进了代的跨模式信息交换,以提取差异特征.

主要成果:

• 与现有的CD技术相比,拟议的方法在真实和合成数据集上都显示出更高的性能.
• 该方法有效地通过利用跨模式交互来提取互补的变化信息.
• 成功缓解模式差异使更准确的变化检测成为可能.

结论:

• 开发的循环翻译和联合培训方法在HSI-RGB多式联通变化检测方面取得了重大进展.
• 该方法提供了一个强大的解决方案,用于识别土地覆盖面的变化,使用不同的数据源.
• 该研究提供了一个新的公共HSI-RGB多式联网数据集和开源代码.