基于状态空间模型和卷积注意力的遥感影像变化检测.pdfVIP

2025年软   件2025

第46卷 第3期SOFTWAREVol. 46, No.3

基金项目论文

基于状态空间模型和卷积注意力的遥感影像变化检测

蔡林1,3徐义春2,3张上2,3

（1.水电工程智能视觉监测湖北省重点实验室，湖北宜昌443002；

2.湖北省建筑质量检测装备工程技术研究中心，湖北宜昌443002；3.三峡大学计算机与信息学院，湖北宜昌443002）

摘 要：变化检测(CD)旨在从双时相图像中识别表面变化，基于深度学习的方法在CD领域取得了实质性的突破，但其

结果还是容易受到外部因素的影响，导致检测图中出现伪变化和噪声。最近出现的状态空间模型Mamba应用在视觉领域时

实现了数据依赖的全局视觉上下文，同时具有较低的计算复杂度。本文提出了一种基于状态空间模型的高分辨率双时相遥感影

像变化检测网络模型CMamba-CDNet。该模型通过提取多尺度的特征并进行融合来结合浅层和深层信息，应用Mamba模

型充分学习图像的全局上下文信息，引入卷积注意力模块增强特征判别性，有效解决了变化检测中的伪变化和噪声问题。在

LEVIR-CD和WHU-CD数据集上的实验结果显示，CMamba-CDNet在F1和IoU指标上均优于现有的方法，分别达到了

95.245%、91.24%和96.778%、93.85%，证明了其在变化检测任务中的优越性能。

关键词：深度学习；变化检测；状态空间模型；遥感图像处理

中图分类号：TP391.41 文献标识码：A DOI：10.3969/j.issn.1003-6970.2025.03.006

本文著录格式：蔡林,徐义春,张上.基于状态空间模型和卷积注意力的遥感影像变化检测[J].软件,2025,46(3):017-024

RemoteSensingImageChangeDetectionBasedonStateSpaceModeland

ConvolutionalBlockAttentionModule

CAILin1,3,XUYichun2,3,ZHANGShang2,3

(1.HubeiKeyLaboratoryofIntelligentVisionBasedMonitoringforHydroelectricEngineering,ChinaThreeGorges

University,YichangHubei443002;2.HubeiProvinceEngineeringTechnologyResearchCenterforConstructionQuality

TestingEquipments,ChinaThreeGorgesUniversity,YichangHubei443002;3.CollegeofComputerandInformation

Technology,ChinaThreeGorgesUniversity,YichangHubei443002)

【Abstract】：Change detection (CD) aims to identify surface changes from bi-temporal images. Deep learning-

based methods have achieved substantial breakthroughs in the field of CD, but their results are still susceptible

to external factors, lead