SRC-Net: Netzwerk zur Berücksichtigung biperaler räumlicher Beziehungen für die Änderungserkennung

Die Änderungserkennung (Change Detection, CD) in Fernerkundungsdaten ist eine wichtige Aufgabe mit Anwendungen im Umweltmonitoring, städtischen Entwicklungen und Katastrophenschutz. CD beinhaltet die Nutzung zeitlich abgestimmter Bilder zur Identifikation von Veränderungen über die Zeit. Die zeitlich abgestimmten räumlichen Beziehungen zwischen Merkmalen an derselben Position zu unterschiedlichen Zeiten spielen dabei eine entscheidende Rolle. Allerdings nutzen existierende Änderungserkennungsnetze diese räumlichen Beziehungen oft nicht vollständig während der zeitlich abgestimmten Merkmalsextraktion und -fusion. In dieser Arbeit schlagen wir SRC-Net vor: ein Netzwerk zur Berücksichtigung zeitlich abgestimmter räumlicher Beziehungen für CD. Das vorgeschlagene SRC-Net enthält ein Wahrnehmungs- und Interaktionsmodul, das räumliche Beziehungen integriert und einen überzweigenden Wahrnehmungsmechanismus etabliert, um die Genauigkeit und Robustheit der Merkmalsextraktion zu verbessern. Zudem wird ein Patch-Modus-gemeinsames Merkmalsfusionsmodul eingeführt, um Informationsverlust in aktuellen Methoden zu reduzieren. Es berücksichtigt verschiedene Änderungsmodi und räumliche Beziehungen, was zu ausdrucksstärkeren Fusionsmerkmalen führt. Des Weiteren haben wir ein neues Netzwerk unter Verwendung dieser beiden Beziehungsbereichsmoduln konstruiert und Experimente mit den Datensätzen LEVIR-CD und WHU Building durchgeführt. Die experimentellen Ergebnisse zeigen, dass unser Netzwerk den Stand der Technik (state-of-the-art, SOTA) übertreffen kann, während es gleichzeitig eine moderate Anzahl von Parametern aufrechterhält. Wir glauben, dass unser Ansatz ein neues Paradigma für die Änderungserkennung setzt und weitere Fortschritte in diesem Bereich fördern wird. Der Code und die Modelle sind öffentlich verfügbar unter https://github.com/Chnja/SRCNet.