DiffUCD:扩散模型助力无监督高光谱变化检测,超越SOTA,逼近监督方法!

人工智能
DiffUCD 提出了一种创新的无监督高光谱影像变化检测(HSI-CD)方法,利用 语义相关性扩散模型(SCDM) 和 跨时间对比学习(CTCL),在无需标注的情况下提高检测精度,在多个基准数据集上超越现有方法。

一眼概览

DiffUCD 提出了一种创新的无监督高光谱影像变化检测(HSI-CD)方法,利用 语义相关性扩散模型(SCDM) 和 跨时间对比学习(CTCL),在无需标注的情况下提高检测精度,在多个基准数据集上超越现有方法。

核心问题

高光谱影像变化检测(HSI-CD)旨在识别同一区域在不同时刻的地表变化。然而,受限于以下挑战:

• 现有方法依赖大量标注数据,而高质量的人工标注成本高昂。

• 传统深度学习方法难以有效利用未标注数据,且忽略 光谱-空间语义相关性,易导致伪变化(Pseudo Change)。

• 相同地物在不同时刻因成像条件变化导致光谱特征不一致,影响变化检测的准确性。

DiffUCD 通过扩散模型的生成去噪能力,结合对比学习,解决这些问题,使无监督 HSI-CD 方法达到接近监督方法的性能。

技术亮点

1. 首个应用扩散模型于 HSI-CD 任务:SCDM 充分利用未标注数据,提取 光谱-空间语义相关特征,减少伪变化影响。

2. 跨时间对比学习(CTCL):对未变化区域的光谱特征进行对齐,学习 光谱差异不变特征,增强环境变化的鲁棒性。

3. 超越 SOTA 无监督方法:在 Santa Barbara、Bay Area 和 Hermiston 三个数据集上,相比最新无监督方法,OA、KC、F1 分别提升 3.95%、8.13%、4.45%,与监督方法性能相当。

方法框架

图片图片

DiffUCD 主要包含以下步骤:

1. 语义相关性扩散模型(SCDM):

• 通过 扩散去噪过程 学习光谱-空间语义特征,减少伪变化的影响。

• 采用 多头交叉注意力(MCA) 进行深层次特征融合,提高分辨能力。

2. 跨时间对比学习(CTCL):

   • 通过 光谱 Transformer 编码器 和 MLP 结构,对 相同位置的未变化样本 进行特征对齐。

   • 采用 对比损失函数 确保模型学习 对环境变化不敏感的光谱特征。

    3. 变化检测(CD Head):

   • 结合 SCDM 提取的光谱-空间特征 和 CTCL 提取的光谱不变特征 进行变化检测。

   • 采用 残差卷积和特征拼接 提高检测精度。

实验结果速览

图片图片

DiffUCD 在 Santa Barbara、Bay Area 和 Hermiston 数据集上表现优越。

对比:

• 比 SOTA 无监督方法 高 3.95%~8.13%(KC 指标)。

• 接近监督方法,仅相差 0.12%~1.13%(OA 指标)。

• 可视化结果 显示检测区域更准确,伪变化减少(如下图所示)。

可视化效果(t-SNE & 变化检测热图)

• t-SNE 结果:DiffUCD 提取的特征更加分离,提高类别区分度。

• 变化检测热图:误检区域减少,变化区域更清晰。

实用价值与应用

DiffUCD 在多个领域具有广泛应用价值:

• 土地利用与覆盖变化检测(如城市扩张、农业变化监测)。

• 生态系统监测(森林砍伐、湿地变化)。

• 自然灾害评估(如洪水、地震、火灾后的地表变化检测)。

• 遥感影像智能分析,减少对人工标注的依赖,提升自动化水平。

开放问题

• 该方法能否泛化到更大规模的高光谱影像数据集,如 Sentinel-2、Hyperion?

• CTCL 机制能否用于其他时间序列分析任务,如气候变化预测?

• 如何优化扩散模型的计算效率,使其适用于低算力设备?

责任编辑:武晓燕 来源: 萍哥学AI
相关推荐

2023-12-29 13:18:23

模型NeRFTICD

2024-07-05 10:38:15

SOTA目标检测

2022-08-19 09:00:00

人工智能GANs生成模型

2024-04-22 15:08:35

扩散模型自动驾驶

2023-11-23 15:54:01

人工智能监督学习无监督学习

2020-06-02 10:28:17

机器学习技术人工智能

2024-06-28 09:41:06

图像检测

2020-04-28 17:26:04

监督学习无监督学习机器学习

2024-02-06 09:43:57

3D视觉

2020-11-11 09:00:00

机器学习技术人工智能

2015-10-12 10:37:42

学习算法检测

2025-01-06 09:00:00

图像生成AI模型

2017-09-08 10:50:26

2023-09-06 09:59:12

雷达技术

2018-04-23 14:49:31

表征句子深度学习自然语言

2022-01-21 15:33:56

架构模型AI

2019-07-10 05:47:37

GAN无监督表征学习机器学习

2022-06-14 07:07:57

网络威胁无监督数据泄露

2023-02-01 13:29:46

机器学习

2010-06-09 16:39:38

用户帐户网络安全
点赞
收藏

51CTO技术栈公众号