BD-MSA: 다중 스케일 특징 정보 집약을 통한 가이드된 바디 디커플링 고해상도 원격 탐사 이미지 변화 탐지 방법

원격 탐사 영상 변화 탐지(RSCD)의 목적은 동일한 위치에서 두 시점에 촬영된 이중 시점 영상 간의 차이를 탐지하는 것이다. 딥러닝은 RSCD 작업에 널리 활용되어 결과 인식 측면에서 뚜렷한 성과를 거두었다. 그러나 위성의 촬영 각도, 얇은 구름의 영향, 특정 조명 조건 등으로 인해 일부 원격 탐사 영상에서 변화 영역의 경계가 흐려지는 문제가 현재의 RSCD 알고리즘으로는 적절히 처리되지 못하고 있다. 이러한 문제를 해결하기 위해 본 연구에서는 특징 집합을 통한 바디 분리 다중 해상도 변화 탐지(BD-MSA)라는 새로운 모델을 제안한다. 이 모델은 학습 및 예측 단계에서 특징 맵의 채널 차원과 공간 차원에서 전역 및 국소적 특징 맵 정보를 동시에 수집함으로써 변화 영역의 경계 정보를 성공적으로 추출할 수 있으며, 변화 영역의 주체부와 경계부를 효과적으로 분리할 수 있다. 다양한 연구 결과에 따르면, 제안된 모델은 공개된 데이터셋인 DSIFN-CD, S2Looking, WHU-CD에 대해 기존 모델들과 비교해 가장 우수한 평가 지표와 평가 성능을 보였다.