留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

最新公告

新网站上线!

全球定位系统

一种结合语义分割模型和图割的街景影像变化检测方法

李文国 黄亮 左小清 王译著

李文国, 黄亮, 左小清, 王译著. 一种结合语义分割模型和图割的街景影像变化检测方法[J]. 全球定位系统, 2021, 46(1): 98-104. doi: 10.12265/j.gnss.2020110401
引用本文: 李文国, 黄亮, 左小清, 王译著. 一种结合语义分割模型和图割的街景影像变化检测方法[J]. 全球定位系统, 2021, 46(1): 98-104. doi: 10.12265/j.gnss.2020110401
LI Wenguo, HUANG Liang, ZUO Xiaoqing, WANG Yizhu. A street view image change detection method combining semantic segmentation model and graph cuts[J]. GNSS World of China, 2021, 46(1): 98-104. doi: 10.12265/j.gnss.2020110401
Citation: LI Wenguo, HUANG Liang, ZUO Xiaoqing, WANG Yizhu. A street view image change detection method combining semantic segmentation model and graph cuts[J]. GNSS World of China, 2021, 46(1): 98-104. doi: 10.12265/j.gnss.2020110401

一种结合语义分割模型和图割的街景影像变化检测方法

doi: 10.12265/j.gnss.2020110401
基金项目: 国家自然科学基金(41961039;41961053);云南省应用基础研究计划面上项目(2018FB078);云南省高校工程中心建设计划资助课题
详细信息
    作者简介:

    李文国:(1993—),男, 硕士研究生,主要研究方向为深度学习和遥感影像变化检测

    黄亮:(1985—),男,博士,讲师,硕士生导师,主要研究方向为遥感影像变化检测

    左小清:(1972—),男,博士,教授,博士生导师,研究方向为三维GIS和激光雷达

    王译著:(1995—),男,硕士研究生,研究方向为遥感影像变化检测

    通讯作者:

    黄亮 Email:kmhuangliang@163.com

  • 中图分类号: P232

A street view image change detection method combining semantic segmentation model and graph cuts

  • 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.
  • 图  1  变化检测流程图

    图  2  DeeplabV3+网络结构

    图  3  DeeplabV3+网络与Segnet网络分类结果

    图  4  G1和G2街景影像及参考图

    图  5  第一组对比实验结果图

    图  6  第二组对比实验结果图

    表  1  实验结果精度对比

    实验方法漏检率/%错检率/%总体精度/%
    OTUS(G1) 27 65 43
    OTUS(G2) 12 84 33
    K均值(G1) 35 54 50
    K均值(G2) 51 56 45
    本文方法(G1) 28 16 81
    本文方法(G2) 14 29 74
    下载: 导出CSV

    表  2  实验结果精度对比

    实验方法漏检率/%错检率/%总体精度/%
    Segnet (G1) 37 52 51
    Segnet (G2) 39 54 49
    DeeplabV3+ 网络(G1) 24 42 62
    DeeplabV3+网络(G2) 15 47 61
    Segnet+GC (G1) 33 20 77
    Segnet+GC (G2) 38 32 67
    本文方法(G1) 28 16 81
    本文方法(G2) 14 29 74
    下载: 导出CSV
  • [1] WU C, ZHANG L F, ZHANG L P. A scene change detection framework for multi-temporal very high resolution remote sensing images[J]. Signal processing, 2016, 124(sl): 184-197. DOI: 10.1016/j.sigpro.2015.09.020.
    [2] WU C, ZHANG L F, DU B. Kernel slow feature analysis for scene change detection[J]. IEEE transactions on geoscience and remote sensing, 2017, 55(4): 2367-2384. DOI: 10.1109/TGRS.2016.2642125.
    [3] POLLARD T, MUNDY J L. Change detection in a 3-d world[C]//2017 IEEE Conference on Computer Vision and Pattern Recognition. DOI: 10.1109/CVPR.2007.383073.
    [4] RADKE R J, ANDAR S, AL-KOFAHI O, et al. Image change detection algorithms: a systematic survey[J]. IEEE transactions on image processing, 2005, 14(3): 294-307. DOI: 10.1109/TIP.2004.838698.
    [5] CRISPELL D, MUNDY J, TAUBIN G. A variable-resolution probabilistic three-dimensional model for change detection[J]. IEEE transactions on geoscience and remote sensing, 2012, 50(2): 489-500. DOI: 10.1109/TGRS.2011.2158439.
    [6] HUERTAS A, NEVATIA R. Detecting changes in aerial views of man-made structures[J]. Image and vision computing, 2000, 18(8): 583-596. DOI: 10.1016/S0262-8856(99)00063-3.
    [7] EDEN I, COOPER D B. Using 3D line segments for robust and efficient change detection from multiple noisy images[J]. Lecture notes in computer science, 2008: 172-185. DOI: 10.1007/978-3-540-88693-8_13.
    [8] TANEJA A, BALLAN L, POLLEFEYS M. Image based detection of geometric changes in urban environments[C]//2011 International Conference on Computer Vision. DOI: 10.1109/ICCV.2011.6126515.
    [9] SAKURADA K, OKATANI T. Change detection from a street image pair using CNN features and superpixel segmentation[C]//Proceedings of the British Machine Vision Conference (BMVC), BMVA Press, 2015. DOI: 10.5244/C.29.61.
    [10] CHEN L C, ZHU Y K, PAPANDREOU G, et al. Encoder-decoder with arous separable convolution for semantic image segmentation[C]//Proceedings of the European Conference on Computer Vision, 2018: 833-851. DOI: 10.1007/978-3-030-01234-2_49.
    [11] BOYKOV Y Y, JOLLY M P. Interactive graph cuts for optimal boundary and region segmentation of objects in N-D images[C]//Proceedings Eighth IEEE International Conference on Computer Vision, ICCV 2001. DOI: 10.1109/ICCV.2001.937505.
    [12] SAKURADA K, OKATANI T, DEGUCHI K. Detecting changes in 3D structure of a scene from multi-view images captured by a vehicle-mounted camera[C]//Proceedings of the 2013 IEEE Computer Vision and Pattern Recognition, IEEE, 2013: 137-144. DOI: 10.1109/CVPR.2013.25.
    [13] 马骕, 邓喀中, 庄会富, 等. 中低分辨率合成孔径雷达影像多纹理特征的Otsu变化检测[J]. 激光与光电子学进展, 2017, 54(6): 299-305.
    [14] 田淞, 宋建社, 张雄美, 等. KM-SVM法的SAR图像无监督变化检测[J]. 系统工程与电子技术, 2015, 37(5): 1042-1046.
    [15] BOVOLO F, BRUZONE L. A detail-preserving scale-driven approach to change detection in multitemporal SAR images[J]. IEEE transactions on geoscience and remote sensing, 2005, 43(12): 2963-2972. DOI: 10.1109/TGRS.2005.857987.
  • 加载中
图(6) / 表(2)
计量
  • 文章访问数:  12
  • HTML全文浏览量:  7
  • PDF下载量:  5
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-11-04
  • 网络出版日期:  2021-04-06
  • 刊出日期:  2021-02-15

目录

    /

    返回文章
    返回