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。