一种结合语义分割模型和图割的街景影像变化检测方法

• 作者: 李文国 黄亮 左小清 王译著
• 来源期刊: 全球定位系统
• 关键词: DeeplabV3+网络 图割(GC) 变化检测 迁移学习 变化向量分析(CVA)
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 技术与应用
• 页码范围: 98-104
• 页数: 7页
• 分类号: P232
• 语种: 中文
• DOI: 10.12265/j.gnss.2020110401

摘要

由于街景影像具有地物尺度多样化、地物界限不明确、地物光谱信息复杂等问题,造成应用统计方法、机器学习等方法对复杂度高的街景影像变化检测性能欠佳.因此提出一种结合语义分割模型和图割(GC)的街景影像变化检测方法.该方法首先采用Camvid数据集训练DeeplabV3+网络得到的迁移学习模型对两个时期的街景影像进行语义分割;然后采用GC方法实现消除天空和植被等对街景影像的影响;接着采用变化向量分析(CVA)获取差异影像,最后对差异影像进行二值化和精度评价.研究结果表明,提出的方法总体精度优于大津法(OTSU)、K均值法、Segnet网络迁移学习模型方法和DeeplabV3+网络迁移学习模型方法,是一种可行的街景影像变化检测方法.