Apprentissage des différences de résolution croisée pour la détection de changements entre des images multitemporelles

Des chercheurs proposent un apprentissage par différence à résolution croisée pour une détection de changement non supervisée

Organigramme de la méthode CD proposée. Crédit : XIOPM

Récemment, une équipe dirigée par le professeur Lu Xiaoqiang de l’Institut d’optique et de mécanique de précision de Xi’an (XIOPM) de l’Académie chinoise des sciences a proposé un apprentissage par différence à résolution croisée pour la détection de changements non supervisée. Leur résultat actualisé a été publié dans Transactions IEEE sur les géosciences et la télédétection.

La détection de changement (CD) vise principalement à reconnaître les différences entre des images multitemporelles capturées sur la même zone géographique à des moments différents. Par rapport aux méthodes basées sur des informations de changement étiquetées encombrantes, les méthodes CD non supervisées peuvent générer une carte de changement sans connaissance préalable des informations de changement, ce qui a attiré une large attention.

De plus, il est difficile de détecter directement les changements dans l’application pratique, car de nombreuses images multitemporelles capturées à différents moments ont des résolutions différentes avec des propriétés de capteur différentes. Pour la plupart des méthodes existantes, ils redimensionnent généralement les images multitemporelles à une taille unifiée, ce qui a un impact négatif sur les performances finales du CD en raison de la modification des informations d’origine des pixels.

Pour résoudre les problèmes ci-dessus, Lu et les membres de son équipe ont proposé une méthode d’apprentissage par différence à résolution croisée sans opérations de redimensionnement ni étiquettes fastidieuses. L’ensemble du cadre a été désassemblé en trois modules, segmentation d’images, apprentissage par différence et fusion à résolution croisée.

Selon les résultats des expériences, l’efficacité de la méthode proposée est démontrée sous différentes métriques d’évaluation. À l’avenir, la méthode CD proposée fournira un guide pour la conception d’un nouveau cadre de détection de changement non supervisé à résolution croisée.


Réseau à deux flux proposé pour la fusion d’images thermiques et visibles


Plus d’information:
Xiangtao Zheng et al, Détection de changement non supervisée par apprentissage par différence de résolution croisée, Transactions IEEE sur les géosciences et la télédétection (2021). DOI : 10.1109/TGRS.2021.3079907

Fourni par l’Académie chinoise des sciences

Citation: Apprentissage des différences de résolution croisée pour la détection de changements entre des images multitemporelles (2021, 30 août) récupéré le 30 août 2021 à partir de https://techxplore.com/news/2021-08-cross-resolution-difference-multitemporal-images.html

Ce document est soumis au droit d’auteur. En dehors de toute utilisation équitable à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.