期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于特征子空间解耦与迭代残差精炼的高分辨率遥感影像变化检测
1
作者 李晗之 李海巍 +5 位作者 郭琦 赵翼 宋丽瑶 李思远 刘思含 谢宇浩 《液晶与显示》 北大核心 2026年第3期402-414,共13页
随着高分辨率遥感对地观测技术的发展,影像中丰富的地物纹理细节在提升信息量的同时,也引入了由光照、阴影及季节性物候差异导致的复杂背景噪声。针对高分辨率遥感变化检测中复杂背景噪声引发的伪变化误检,以及传统上采样导致的微小目... 随着高分辨率遥感对地观测技术的发展,影像中丰富的地物纹理细节在提升信息量的同时,也引入了由光照、阴影及季节性物候差异导致的复杂背景噪声。针对高分辨率遥感变化检测中复杂背景噪声引发的伪变化误检,以及传统上采样导致的微小目标细节丢失问题,提出一种基于特征解耦与迭代精炼的网络(DIR-Net)。首先,利用预训练的FastSAM作为视觉先验编码器,提取多尺度鲁棒特征。接着,设计特征子空间解耦模块,通过正交投影和交叉重校准策略,显式地将双时相特征分解为共享语义子空间和差异特征子空间,从源头抑制环境噪声。最后,提出迭代残差精炼模块,引入坐标注意力机制,将解码过程建模为由粗到精的残差回归问题,在保持分辨率的特征空间中逐步恢复微小目标的边缘细节。在LEVIR-CD、WHU-CD和SYSU-CD三个公开数据集上的实验结果表明,DIR-Net的F1分数分别达到了91.33%、93.31%和86.29%。相比于主流的ChangeFormer和BIT算法,F1分数平均提升了约5.0%,显著降低了伪变化误报率,同时保持了极高的召回率。该方法有效解决了特征耦合与细节丢失的难题,在复杂场景下具有更强的鲁棒性和更高的边界定位精度。 展开更多
关键词 遥感影像变化检测 特征解耦 迭代残差精炼 深度学习 dir-net 高分辨率影像 小目标检测
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部