PM-MCD:一个结合金字塔特征提取和多尺度注意力融合的网络,用于多类变化检测
Yingjie Fan1, Xiaobing Yang1, Boxu Li1
1School of Information Engineering, China Jiliang University, Hangzhou 310018, China.
iScience
|March 12, 2026
概括
通过有效识别微妙的变化,PM-MCD模型改善了远程传感图像中的多类变化检测. 这种新的方法在准确性和小规模变化检测方面优于现有方法.
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:
- 遥感图像中的多类变化检测对于各种应用至关重要.
- 现有的方法往往无法检测到微妙的变化,限制了它们的有效性.
研究的目的:
- 为远程传感图像提出一个高效准确的多类变化检测模型.
- 解决当前方法论中错过的微妙变化的限制.
主要方法:
- 开发了PM-MCD模型,采用基于VMamba的金字塔特征提取编码器.
- 包含使用MLP的多尺度信息聚合解码器和多尺度自我注意力协作 (MSSC) 模块.
- 引入了一种新型的多尺度注意力融合模块 (MSSC),以提高小规模变化区域的识别.
主要成果:
- 在WHU-CD,Landsat-SCD和CNAM-CD数据集上,PM-MCD模型实现了高性能.
- 超越现有的卷积神经网络 (CNN) 和基于变压器的方法.
- 记录的整体准确度 (OA) 为99.4/96.77/90.86%,平均交叉度超过合并度 (mIoU) 为90.18/82.27/68.50%,F1得分为91.44/89.88/79.86%.
结论:
- 拟议的PM-MCD模型在多类变化检测方面表现出卓越的性能.
- VMamba 编码器和 MSSC 模块有效地提高了微妙和小规模变化的检测.
- 该模型为遥感变化检测应用提供了显著的进步.