结合Transformer和多尺度异构融合的遥感图像变化检测方法.pdfVIP

全面感知ComprehensivePerception

DOI：10.16667/j.issn.2095-1302.2025.02.002

结合Transformer和多尺度异构融合的遥感图像

变化检测方法

赵洁，刘玉升，武斌

天津城建大学计算机与信息工程学院天津300384

（，）

摘要遥感图像包含丰富的地物信息如何从中精准地识别出真正的语义变化区域仍是一个长期的挑战针

：，。

对上述问题提出一种结合Transformer和多尺度异构融合模块MAFM的网络模型首先利用MAFM在特征

，（）。

提取过程中整合不同层次的语义信息为模型提供不同的感受野以丰富特征信息增强模型对微小变化区域和复杂

，，

背景的感知能力而后为了使模型充分利用双时相遥感图像间的依赖关系使用语义概念提取器SCE将特征图

。，（）

语义化为符号集并输入到Transformer编码器中进行上下文建模将符号集通过解码器映射回原特征空间得到

，，，

含有丰富语义信息的特征图。最后将经过编解码的特征图输入到由简单卷积层组成的预测头进行变化区域预测，生

成变化区域图设计实验在LEVIR-CD数据集上对提出的网络模型性能进行评估模型的F分数和交并比IoU

。，1（）

分别达到90.71%和84.08%，相较于现有主流模型具有良好的变化区域检测能力。

遥感图像特征提取MAFMTransformer变化检测SCE

关键词：；；；；；

TP751.1A2095-1302202502-0009-07

中图分类号：文献标识码：文章编号：（）

满足遥感场景需求的深度学习方法相比于传统的遥感图像

0引言。

变化检测方法，基于深度学习的遥感图像变化检测方法在遥

遥感图像变化检测是指利用遥感技术分析和识别地表或

感数据特征表征学习以及多场景任务中表现出了较强的建模

其他特征在不同时间点的变化。目前该技术已被广泛应用于

能力[11-13]。文献[14]提出了3种基于全卷积神经网络的模

土地覆盖和土地利用分类自然资源调查城市扩展监测