Key points are not available for this paper at this time.
En raison des propriétés statistiques distinctes dans les images inter-capteurs, la détection de changements dans des images hétérogènes est beaucoup plus difficile que dans des images homogènes. Dans cette lettre, nous adoptons un réseau antagoniste génératif conditionnel (cGAN) pour transformer les images radar à ouverture synthétique (SAR) et optiques hétérogènes en un espace où leurs informations ont une représentation plus cohérente, rendant la comparaison directe faisable. Notre cadre proposé contient un réseau de traduction basé sur cGAN qui vise à traduire l'image optique avec l'image SAR comme cible, et un réseau d'approximation qui approche l'image SAR de celle traduite en réduisant leur différence pixel à pixel. Les deux réseaux sont mis à jour alternativement et lorsqu'ils sont tous deux bien entraînés, les deux images traduites et approximées peuvent être considérées comme homogènes, à partir desquelles la carte de changement finale peut être obtenue par comparaison directe. L'analyse théorique et les résultats expérimentaux démontrent l'efficacité et la robustesse du cadre proposé.
Niu et al. (Mon,) ont étudié cette question.