.png){kind=icon}
返回
Resolution-Difference Embedded Network for Cross-Resolution Remote Sensing Image Change Detection
.png){kind=icon}
PRE
AI
DOI：10.1109/TGRS.2025.3600397.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
目前，大多数遥感图像变化检测（CD）方法适用于等分辨率场景，即假设双时相图像具有相同的空间分辨率。现实任务（如灾害应急响应）提出了对具有不同空间分辨率的图像进行变化检测的需求，即跨分辨率变化检测。然而，由于高分辨率（HR）图像和低分辨率（LR）图像在空间细节上存在显著差异，难以在复杂场景中提取变化地物的空间特征，并区分变化地物与未变化地物。为解决上述问题，我们提出了一种分辨率差异嵌入网络（RDENet）。RDENet结合了两种创新方法：伪连续分辨率序列表示（PRSR）和双时相分辨率差异调制（BRDM）。PRSR方法通过构建具有平滑分辨率过渡的伪图像序列并开发分辨率引导特征融合（RGFF）模块，有效提取复杂场景中地物的特征。BRDM方法通过设计分辨率感知自调制（RASM）模块和分辨率感知互调制（RAMM）模块，利用分辨率差异因子作为先验知识，动态增强跨分辨率图像对中变化地物的关键特征，显著提升了模型在复杂场景中区分变化地物与未变化地物的能力。在三个公开可用的CD数据集上进行的大量实验表明，所提出的RDENet在跨分辨率场景中实现了优越的检测性能。
Keyword:
Change detection (CD)
cross resolution
deep learning
feature interaction
pseudo-image sequence
期刊
IF:
8.6
论文数:
2.2W
被引数:
10.7W
机构
引用论文
.png){kind=icon}
Knowledge Distillation-Based Lightweight Change Detection in High-Resolution Remote Sensing Imagery for On-Board Processing基于知识蒸馏的轻量化高分辨率遥感影像变化检测，用于在轨处理
OAAI
OAAI分享收藏RSPrompter: Learning to Prompt for Remote Sensing Instance Segmentation Based on Visual Foundation ModelRSPrompter: 基于视觉基础模型的遥感实例分割学习提示OAAI
OAAI分享收藏AMFNet: Attention-Guided Multi-Scale Fusion Network for Bi-Temporal Change Detection in Remote Sensing ImagesAMFNet：用于遥感图像双时相变化检测的注意力引导多尺度融合网络OAAI
OAAI分享收藏Transition Is a Process: Pair-to-Video Change Detection Networks for Very High Resolution Remote Sensing Images过渡是一个过程: 用于高分辨率遥感图像的对到视频变化检测网络
PREAI
分享收藏
查看更多内容