摘要：针对当前建筑变化检测方法在边缘检测模糊和捕捉全局信息处理、小目标漏检方面存在问题,该文提出了一种差分视野融合与协同感知的建筑变化检测方法。采用孪生编码器提取图像特征,并通过差分解码器还原图像,一方面提出了差分视野融合模块,结合差分和多尺度技术相结,有效提取双时特征图中不同尺度的变化对象,并利用跳跃连接将其与解码器相连接;另一方面设计出协同感知模块,利用深层次中的抽象特征调节解码器中的浅层特征图;并在解码器输出特征图后,采用有效通道注意力模块进一步提升模型的检测性能。为了评估该方法的效果,分别在LEVIR-CD和WUH-CD数据集上进行实验,实验结果显示,相较于其他建筑变化检测方法,该方法在F1和IoU上表现最优,分别达到了91.34%、84.06%和91.43%、84.21%,这表明该方法在建筑变化检测任务中取得了显著的性能提升。

摘要：为有效集成卷积神经网络的局部性和Transformer的全局性,提出一种全新的通道交互多层级融合变化检测网络CIMLFNet。以CNN和Transformer为基础,设计一种三通道特征提取器,以充分提取两期影像的时空特征;构建一种金字塔时空交叉注意力模块,利用通道2提取的特征增强通道1和3提取的特征,突出变化信息;提出一种双分支通道交互多层级融合模块,分别从层级优先和通道优先的角度对增强的特征进行融合,以充分利用CNN和Transformer的优势和互补性;给出一种简单有效的边界区域增强分类器。在WHU、Google、GVLM和LEVIR等4组公开变化检测数据上,CIMLFNet的F_(1)/IoU值分别达到91.19%/83.80%、85.97%/75.40%、88.85%/79.94%和90.07%/81.94%,明显优于6组对比方法,验证了CIMLFNet的有效性。