كشف التغيرات في صور الاستشعار عن بعد عالية الدقة بناءً على فك ترابط فضاء الخصائص والتنقية التكرارية المتبقية
摘要
مع تطور تقنيات المراقبة الأرضية بالاستشعار عن بعد ذات الدقة العالية، تقدم التفاصيل الغنية لنسيج المعالم في الصور كمية معلومات متزايدة، لكنها أيضاً تجلب ضوضاء خلفية معقدة ناتجة عن الإضاءة والظل والاختلافات الموسمية في الظاهرات النباتية. لمعالجة مشكلات الكشف الخاطئ للتغيرات الزائفة الناجمة عن ضوضاء الخلفية المعقدة في كشف التغيرات بالاستشعار عن بعد عالي الدقة، بالإضافة إلى فقدان التفاصيل للأهداف الصغيرة الناجم عن طرق العينات التقليدية، تم اقتراح شبكة تعتمد على فك ترابط الخصائص والتنقية التكرارية (DIR-Net). أولاً، يُستخدم FastSAM المُدرَّب مسبقاً كرمز بصري أولي لاستخراج الخصائص المتعددة المقاييس والمتينة. ثم، تم تصميم وحدة فك ترابط فضاء الخصائص، من خلال الإسقاط العمودي واستراتيجيات إعادة المعايرة المتقاطعة، لفصل خصائص الطور الزمني المزدوج إلى فضاء فرعي معنوي مشترك وفضاء فرعي لخصائص الاختلاف، مما يحد من ضوضاء البيئة من المصدر. أخيراً، تم اقتراح وحدة التنقية المتبقية التكرارية التي تُدخل آلية الانتباه إلى الإحداثيات، حيث يتم نمذجة عملية فك الترميز كمشكلة انحدار متبقي من الخشن إلى الدقيق، لاستعادة تدريجية لتفاصيل حواف الأهداف الصغيرة في فضاء الخصائص عالي الدقة. تشير نتائج التجارب على مجموعات البيانات العامة LEVIR-CD وWHU-CD وSYSU-CD إلى أن معدل F1 الخاص بـ DIR-Net بلغ 91.33٪ و93.31٪ و86.29٪ على التوالي. مقارنة بالخوارزميات الرائدة ChangeFormer وBIT، زاد معدل F1 بمعدل حوالي 5.0٪، مع خفض ملحوظ في معدلات الإنذارات الخاطئة للتغيرات الزائفة، مع الحفاظ على معدل استدعاء عالي جداً. تعالج هذه الطريقة بفعالية مشكلات ترابط الخصائص وفقدان التفاصيل، مع توفر قوة تحمل أعلى ودقة عالية في تحديد الحدود في المشاهد المعقدة.
关键词
كشف تغيرات صور الاستشعار عن بعد;فك ترابط الخصائص;تنقية متبقية تكرارية;التعلم العميق;DIR-Net;صور عالية الدقة;كشف الأهداف الصغيرة
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website