摘要：针对建筑物变化检测中传统神经网络方法易产生锯齿形边界,难以准确识别密集建筑物区域变化地物边界的问题,本文提出一种基于主体、边缘分解与重组网络的变化检测方法。该方法基于地物主体内部像元间相似性较强,而边缘像元间相似性较弱的特点,构建对地物主体与边缘分别建模的变化检测模型。该模型首先通过孪生残差网络结构提取双时相多尺度差值特征:然后,利用可学习的流域分离出地物的主体特征和边缘特征;其次,设计特征优化结构,利用主体标签和边缘标签对分离后的主体特征和边缘特征进行精准优化;最后,将优化后的主体特征和边缘特征进行重组,形成端到端的变化检测模型。通过在公开的建筑物数据集LEVIR-CD进行试验,结果表明,相较于基于U-Net网络的方法和结合时空注意力的方法,该方法能够准确识别变化建筑物的边界,获得更优的检测结果。