基于生成对抗网络的遥感图像变化检测
论文名称：《基于生成对抗网络的遥感图像变化检测》
指导教师：公茂果
论文作者：牛旭东
毕业院校：西安电子科技大学
文章内容概要
- 介绍变化检测算法的概念和分类，以及目前变化检测算法的分类
- 阐述了神经网络的发展尤其是生成对抗网络的发展，以及如何将其应用到变化检测
- 介绍并提出了基于生成对抗网络的高光谱图像变化检测算法
- 介绍了生成对抗网络的理论和算法流程，以及实验结果和与判别式算法的实验对比
- 提出了基于条件对抗网络的异源图像变化检测算法
- 阐述了条件对抗网络和图像翻译的理论，描述了算法流程和实验对比分析
- 提出了基于耦合翻译网络的异源图像变化检测算法
基于生成对抗网络的高光谱图像变化检测
- 生成对抗网络
- GAN 不需要重建训练样本，这能避免差异图的虚化； CNN 等判别式分类器只负责输出每个像素的类别，而GAN能够学习到差异图的完整分布，这能够有效地降低那些错误标记的训练样本对算法精度的影响
基于条件对抗网络的异源图像变化检测
- 利用一个图像翻译网络和一个图像逼近网络，将两幅异源的图像转换到具有相同像素表示的统一空间
- 条件对抗网络与图像转换
- 所有图像块分别输入到两个网络，将两幅拼接成的输出图像直接比较就可以得到最终的CM
基于耦合翻译网络的异源图像变化检测
-
将一组异源图像翻译为两组同源图像，然后对两组同源图像分别进行直接比较，最后取它们的交集作为最终的变化检测结果
-
ICDL
- 无监督的异源图像变化检测算法，它是用字典学习的方式，利用两个字典将异源图像转换到同一特征表示，然后在高维的特征空间中进行比较得到检测结果
-
SCCN
- 借助于CNN 强大的特征提取的功能，用一组耦合的卷积网络将两幅异源图像转换到同一特征空间，然后在特征空间中比较得到检测结果
-
VAE
- 对AE 的特征空间添加各种限制，可以实现不同的变种
实验结果
- 实验结果一
- 实验结果二
