End-to-end Hyperspectral Image Change Detection Network Based on Band Selection

要約

ハイパースペクトル画像変化検出 (HSI-CD) の 1 つの重要な課題は、帯域の冗長性を減らすことです。変化検出に重要なのは少数の帯域だけであり、他の帯域はそれに悪影響を与える可能性があるためです。
しかし、既存の HSI-CD 手法のほとんどは、全次元 HSI から変更特徴を直接抽出するため、特徴識別能力が低下します。
この問題に対処するために、変化検出を促進するために重要な帯域を効果的に保持する、帯域選択を備えたエンドツーエンドのハイパースペクトル画像変化検出ネットワーク (ECDBS) を提案します。
ネットワークの主な構成要素は、深層学習ベースの帯域選択モジュールとカスケード帯域固有の空間アテンション (BSA) ブロックです。
帯域選択モジュールは、変更検出とは別のステップとしてではなく、共同の最適化とエンドツーエンドの推論のために後続の CD モデルとシームレスに統合できます。
BSA ブロックは、調整された戦略を使用して各帯域から特徴を抽出します。
すべてのバンドを均一に処理する一般的に使用される特徴抽出戦略とは異なり、BSA ブロックは、広い間隔のバンド間の特徴分布の違いを考慮し、より十分な変化特徴を抽出します。
広く使用されている 3 つの HSI-CD データセットに対して行われた実験評価により、他の最先端技術に対する私たちの提案方法の有効性と優位性が実証されました。

要約(オリジナル)

For hyperspectral image change detection (HSI-CD), one key challenge is to reduce band redundancy, as only a few bands are crucial for change detection while other bands may be adverse to it. However, most existing HSI-CD methods directly extract change feature from full-dimensional HSIs, suffering from a degradation of feature discrimination. To address this issue, we propose an end-to-end hyperspectral image change detection network with band selection (ECDBS), which effectively retains the critical bands to promote change detection. The main ingredients of the network are a deep learning based band selection module and cascading band-specific spatial attention (BSA) blocks. The band selection module can be seamlessly integrated with subsequent CD models for joint optimization and end-to-end reasoning, rather than as a step separate from change detection. The BSA block extracts features from each band using a tailored strategy. Unlike the typically used feature extraction strategy that uniformly processes all bands, the BSA blocks considers the differences in feature distributions among widely spaced bands, thereupon extracting more sufficient change feature. Experimental evaluations conducted on three widely used HSI-CD datasets demonstrate the effectiveness and superiority of our proposed method over other state-of-the-art techniques.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google