时序无关和鲁棒性增强的遥感影像变化检测方法.pdfVIP

第52卷第8期湖南大学学报（自然科学版）Vol.52，No.8

2025年8月JournalofHunanUniversity（NaturalSciences）Aug.2025

文章编号：1674-2974（2025）08-0033-11DOI：10.16339/j.cnki.hdxbzkb.2025281

时序无关和鲁棒性增强的遥感影像变化检测方法

1，2†11，231

杨景玉，张文驰，党建武，王锋，火久元

（1.兰州交通大学电子与信息工程学院，甘肃兰州730070；

2.甘肃省人工智能与图形图像处理工程研究中心，甘肃兰州730070；

3.甘肃路桥飞宇交通设施有限公司，甘肃兰州730070）

摘要：在遥感影像变化检测中，基于深度学习的方法大多采用孪生网络结构.然而，大量

实验发现，此类方法会出现改变输入图像的顺序后性能严重下降的现象，其中ChangeFormer

方法在LEVIR-CD数据集的交并比指标下降了79.86%，表明模型的时序鲁棒性不足，严重影

响变化检测模型的实用性.对此，提出了一种结合时序对齐与跨层特征混合的变化检测方法

CINet（chronologicinvariantnetwork），在特征提取时设计时序对齐模块，通过对特征图进行空

间混合和时序重建，在特征层面减少双分支的时序差异.然后设计了跨层特征混合模块，使用

全尺度连接和差异引导来充分利用双分支中每一层级的特征图，提高在不同时序下的检测能

力.最后，在LEVIR-CD数据集的实验结果显示，CINet的召回率和交并比分别达到了90.63%、

84.13%，相较于ChangeFormer分别提高了1.83个百分点、1.65个百分点.在多个数据集上的实

验结果也表明，即使在改变输入顺序后，所提方法仍能取得良好的变化检测结果，显示出优于

其他方法的检测性能和更强的时序鲁棒性.

关键词：遥感影像；变化检测；孪生网络；时序对齐

中图分类号：TP391文献标志码：A

AChronologicalInvariantandRobustEnhancementMethodforChange

DetectioninRemoteSensingImage

1，2†11，231

YANGJingyu，ZHANGWenchi，DANGJianwu，WANGFeng，HUOJiuyuan

（1.SchoolofElectronicsandInformationEngineering，LanzhouJiaotongUniversity，Lanzhou730070，China；

2.GansuProvincialEngineeringResearchCenterforArtificialIntelligenceandGraphicsImageProcessing，Lanzhou730070，China；

3.GansuLuqiaoFeiyuTransportationF