Exploiting Neighborhood Structural Features for Change Detection

要約

このレターでは、近傍構造相関を使用した新しい変化検出方法が提案されています。
構造の特徴はバイテンポラル画像間の強度差に影響されないため、強度情報ではなく構造の特徴に対して相関分析を実行します。
まず、多方向勾配情報を使用して構造特徴マップを抽出します。
次に、構造特徴マップを使用して、コンテキスト構造情報を表すことができる近隣構造相関画像 (NSCI) を取得します。
また、近隣情報を改善するために使用できるマッチングエラーと呼ばれる対策を紹介します。
続いて、ランダムフォレストに基づく変化検出モデルが構築される。
NSCI 機能とマッチング エラーは、トレーニングと予測のモデル入力として使用されます。
最後に、決定木投票を使用して変更検出結果を生成します。
提案手法の性能を評価するために、3 つの最先端の変化検出手法と比較しました。
2 つのデータセットの実験結果は、提案された方法の有効性とロバスト性を実証しました。

要約(オリジナル)

In this letter, a novel method for change detection is proposed using neighborhood structure correlation. Because structure features are insensitive to the intensity differences between bi-temporal images, we perform the correlation analysis on structure features rather than intensity information. First, we extract the structure feature maps by using multi-orientated gradient information. Then, the structure feature maps are used to obtain the Neighborhood Structural Correlation Image (NSCI), which can represent the context structure information. In addition, we introduce a measure named matching error which can be used to improve neighborhood information. Subsequently, a change detection model based on the random forest is constructed. The NSCI feature and matching error are used as the model inputs for training and prediction. Finally, the decision tree voting is used to produce the change detection result. To evaluate the performance of the proposed method, it was compared with three state-of-the-art change detection methods. The experimental results on two datasets demonstrated the effectiveness and robustness of the proposed method.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google