一种双重深度特征监督变化检测网络.pdfVIP

2025年4月航天工程大学学报Apr.2025

第2卷第2期JournalofSpaceEngineeringUniversityVol.2No.2

一种双重深度特征监督变化检测网络

韩承熙，苏晓玉，魏志强

（中国航天科工集团智能科技研究院有限公司，北京100043）

摘要深度学习方法在遥感影像变化检测中取得了明显进展，但在边缘信息

提取和建筑物内部细节提取方面仍面临挑战，现有方法在提取建筑物边缘和内部细节信息

时经常出现模糊和空洞现象，为解决这一问题，提出了一种双重深度特征监督变化检测网络

（DualDeepFeatureSupervisedChangeDetectionNetwork，DDDNet）。通过两轮深度特

征监督实现多尺度的变化特征信息融合，提高模型对建筑物边缘和内部特征的表达，引入变

化特征改进的注意力机制模块，引导模型关注建筑物边缘与内部区域信息，弥补了信息提取

不完整的情况。在LEVIR­CD、WHU­CD、SYSU­CD和S2Looking­CD4个挑战性数据

集上通过定量与定性的方式验证了所提模型的有效性。

关键词遥感影像；深度学习；变化检测；深度监督

中图分类号TP183文章编号2097­4825（2025）02­062­08

文献标志码A

Adualdeepfeaturesupervisedchange

detectionnetwork

HANChengxi,SUXiaoyu,WEIZhiqiang

(IntelligentScienceTechnologyAcademyLimitedofChinaAerospaceScienceandIndustryCorporation,Beijing100043,China)

AbstractDeeplearningmethodshavemadesignificantprogressinremotesensingimagechange

detection,buttheystillfacechallengesinedgeinformationextractionandbuildinginteriordetails

extraction.Theexistingmethodsoftensufferfromblurringandhollowingphenomenawhenextractingthe

edgeinformationandinternaldetails.Tosolvetheseproblems,thispaperproposesadualdeepfeature

supervisedchangedetectionnetwork(DDDNet).Themultiscalechangefeatureinformationfusionis

realizedbytworoundsofdeepfeaturemonitoring,soastoimprovetheexpressionoftheedgeandinternal

featuresofthebuilding.Afeatureimprovementmodulewithanattentionmechanismmoduleimprovedby

changingfeaturesisintroducedtoguidethemodeltopayattentiontotheedgeandinternalareainformation

ofbuildingstomakeupfortheincompleteinformationextraction.Theeffectivenessoftheproposedmodel

isverifiedquantitativelyandqualitativelyo