【时间】2024年12月12日（周四）下午14：30 开始

【地点】线下讲座，9B406会议室

【主题】基于Mamba模型的无监督异源遥感图像变化检测

【主讲人】陈高博士

【内容简介】  

遥感图像变化检测是通过不同时间在同一地理区域获取的多时相遥感影像来分析和确定地表变化情况的技术,具有重要的应用价值。其中无监督异源遥感图像变化检测技术因其不需求带标签数据、不限制传感器类型、方法易于推广等优良特性在近年来受到了广泛关注。同时,在计算机视觉领域取得突破性成果的深度神经网  络也因其特征深度抽象以及自主表示学习等特点被逐渐应用于图像变化检测问题。本报告基于现有的变化检测技术和深度神经网络技术，针对异源遥感图像变化检测问题中存在的难点，介绍了一种新的用于异源遥感图像变化检测的无监督网络UM-Net，UM-Net采用堆叠的卷积去噪自动编码器（SCDAE）来提取异质图像的深层语义特征并消除大部分冗余信息。在此基础上，将Mamba模型引入到异源变化检测，以模拟全局语义概念之间的建模方式，将SCDAE生成的特征转换为共同的特征表示空间，最终的二值变化图通过相似性测量和聚类算法计算得出。通过在两个真实数据集上的实验结果显示，与几种现有方法相比，UM-Net框架具有良好的性能。

诚挚欢迎广大师生参加。