张鑫龙，陈秀万，李 飞，杨 婷

北京大学地球与空间科学学院，北京 100871

高分辨率遥感影像的深度学习变化检测方法

张鑫龙，陈秀万，李 飞，杨 婷

北京大学地球与空间科学学院，北京 100871

为提升高分辨率遥感影像的变化检测精度，提出一种利用深度学习的变化检测方法。在预处理的基础上，利用顾及邻域信息的改进变化矢量分析算法和灰度共生矩阵算法获取影像间光谱和纹理变化，并通过设置自适应采样区间提取最可能的变化和未变化区域样本。构建并训练包含标签层的高斯伯努利深度限制玻尔兹曼机模型，以提取变化和未变化区域深层特征，从而有效辨别变化区域。通过WorldView-3与Pléiades-1影像的试验表明本文方法在变化检测精度方面优于对比方法。

变化检测；高分辨率遥感；深度学习

遥感变化检测是是目前遥感研究领域的热点之一，在灾害监测、城市变迁、国土规划等领域起着重要的作用。变化检测是从不同时刻针对同一地区所获取的遥感影像中分析并确定变化区域，以提取地物变化信息。变化检测的目的是提取对比图像明显变化区域并生成变化图像[1]。

近年来卫星遥感影像分辨率不断提高。与中低分辨率遥感影像变化检测相比，虽然高分辨率遥感影像呈现更多细节信息，但是变化和未变化区域之间的可分性降低、提取难度反而增大。目前高空间分辨率光学影像变化检测研究重点主要包括不同高分卫星影像之间[2-3]与高分卫星和航空影像之间[4]的变化检测研究。……