大华股份AI荣获遥感影像变化检测精度评测全球第一

近期，大华股份基于AI的遥感影像智能分析技术，在地球科学与遥感学会（GRSS）发布的全球标准化遥感影像变化检测数据集上（OSCD）获得综合精度排行榜第一的成绩，充分彰显了大华在遥感影像变化检测领域持续的开拓创新能力。

大华股份DH_RSIA算法获得OSCD数据集综合精度第一

（网址：http://dase.grss-ieee.org/index.php）

OSCD（Onera Satellite Change Detection）是由国际电子与电气工程师协会（IEEE）、图像分析和数据融合技术委员会（IADF TC）联合发布并维护，是国际权威的遥感影像变化检测算法评测平台。该评测全球地表覆盖数据复杂多变，极具挑战性，吸引了海内广大外学者和知名学术机构参与。

针对遥感影像大尺寸、变化区域类别不均衡等现象，大华股份在数据处理上，提出了一种基于多通道融合的图像拉伸和归一化预处理方法，解决了地表差异明显等问题；模型结构方面，创新使用TverskyLoss损失函数，优化了类别不均衡问题；同时，创新构建多模态，大幅度提升算法精度（Precision）与召回率（Recall），最终大华遥感影像智能分析技术刷新了遥感影像变化检测数据集评测记录，取得排行榜第一的成绩。

遥感影像变化检测算法框架

遥感影像变化检测技术

基于遥感影像的变化检测算法，利用不同时相的遥感影像来获取指定区域内土地覆盖类型的动态变化信息，将影像中随时间变化的像素赋予语义类别标签，广泛应用于生态资源监测、城市建设管理等领域。

城市级遥感影像变化检测效果

在生态资源监测领域，遥感影像变化检测算法通过比对同一区域前后两个时相的遥感影像，排除季节、天气等干扰因素，获取广域区域内生态地质的时空变化规律，可应用于包括周期性监测水体、植被、矿产等地物类别的覆盖信息，为资源开发、环境污染、自然灾害评估等场景提供科学依据。

遥感影像变化检测技术典型应用场景

从左至右分别为不同时相遥感影像、变化区域标注值、算法输出结果，从上至下分别对应建筑物、水体、地质监测场景。

在城市建设管理领域，运用遥感影像语义分割技术，自动获取用地性质发生变化区域的位置、范围、类型等信息，实现城市级智能化违法违规建筑查处；运用遥感影像目标检测技术，有效提取公园、运动场地等城市基建类型的分布信息，动态监测城市范围内基础配套设施的建设进程，为城市基建审查提供有效数据支撑；通过结合高空、地面监测数据，实现天地空一体化的无死角监测覆盖，为城市建设管理提供全方位、高精度的空间可视化表达。