计算机科学与探索

作者：王杰, 蒋伏松, 蒋鹏

单位：1. 上海海洋大学 工程学院，上海 2013062. 上海交通大学医学院附属第六人民医院 内分泌代谢科，上海 2002333. 上海交通大学医学院附属第六人民医院 计算机中心，上海 200233

关键词：遥感影像,变化检测,差分增强,并行编码,多尺度特征融合

基金：国家自然科学基金（62102247）。

遥感影像变化检测旨在识别不同时期遥感影像中的目标差异，近年来基于卷积神经网络的方法在遥感影像变化检测任务中取得了很大进展。然而，受光照变化和季节更替的影响，不同时期遥感影像中的伪变化问题仍然难以解决。同时，大多方法中未充分利用多尺度特征，导致模型的性能和准确率受到一定程度的限制。针对上述问题，提出一种多尺度差分特征增强的变化检测方法。利用由孪生网络编码器和差分网络编码器组成的并行编码框架分别提取不同层级的特征，将同级的双时特征和差分特征通过拼接的方式建立两者间的互补关系。引入差分特征增强模块获取更具判别性的特征图并将其作为差分网络编码器的补充输入，丰富变化信息的同时增加模型对变化区域的关注度，使其准确地区分地物的真实变化与伪变化。为了增强特征的多样性和表达能力，使用特征错位融合模块实现语义特征的交叉融合，让每个特征中的语义信息得到充分而不同的交互。该方法在CDD数据集和LEVIR-CD数据集上的F1分数分别达到了95.45%和92.04%，交并比分别达到了92.26%和82.93%，与其余八种主流方法相比均为最优，实验结果证明了该方法的有效性。

来源：2025年第1期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2025年第1期