基于自监督对比学习的遥感图像变化检测中的语义不变性挖掘研究综述.docVIP

基于自监督对比学习的遥感图像变化检测中的语义不变性挖掘研究综述

遥感图像变化检测是通过分析同一地理区域不同时相的遥感数据，识别地物类型、空间分布或状态变化的技术，在土地覆盖监测、灾害应急响应、城市扩张分析等领域具备不可替代的应用价值。随着高分辨率遥感卫星技术的迭代，当前遥感数据呈现出时空分辨率大幅提升、光谱信息维度持续扩展的特点，传统依赖人工标注样本的监督学习变化检测方法，面临标注成本高、跨区域泛化能力弱、对光照、大气、季节等外界干扰鲁棒性不足的瓶颈。自监督对比学习通过挖掘数据自身的内在关联构建预训练任务，无需大量人工标注即可学习到具有强泛化性的特征表示，为解决遥感图像变化检测的现存痛点提供了全新路径，而其中语义不变性的挖掘是连接自监督预训练任务与下游变化检测需求的核心纽带。

一、遥感图像变化检测中的语义不变性核心内涵

语义不变性指的是遥感图像中的地物语义类别信息，不受成像条件、视角、尺度、干扰噪声等非本质因素影响的稳定属性。在变化检测任务中，语义不变性的核心价值在于区分“真实地物变化”与“伪变化”：真实变化对应地物语义类别的实际转换，例如农田转变为建筑区域、林地遭受火灾损毁等；而伪变化则是由成像条件差异导致的视觉特征扰动，例如不同季节的植被色调变化、不同时相的太阳高度角差异引起的阴影偏移、大气气溶胶浓度变化导致的图像亮度偏差等，这类扰动并未改变地物的本质语义属性，属于变化检测中需