基于Xception模型的遥感影像场景变化检测

由于遥感场景固有的语义特征，深度学习在场景分类中具有突出的语义特征提取能力，近年来得到了广泛的研究。然而，现有的基于深度学习的方法大多没有精细描绘场景几何形状，而是利用固定大小的滑动窗口来对影像分类，这些窗口可能由多种场景类型的混合像元组成，导致场景识别的可分离性低，细节粗糙，分类精度低。针对这一问题，将简单线性迭代聚类(Simple Linear Iterative Clustering,SLIC)与迁移学习相结合，实现场景斑块的精确分类，进一步提高场景变化检测的准确性。首先基于SLIC算法，考虑强度分布的相关性，将遥感影像分割成多尺度斑块;其次利用Xception模型结合迁移学习网络从多尺度斑块中提取深度语义特征，并基于softmax分类器计算概率，从而判别场景斑块的类别;最后，基于场景分类的结果提取地物的变化信息。实验结果表明，该方法能够适应不同尺度的场景识别，达到利用窗口网格检测方法的最高水平，提高了场景变化检测的精度和效率。