基于孿生Transformers 的遙感目標多元變化檢測方法*

郭 健，王得成，張宏鋼，許 慶

（航天工程大學，北京 101416）

0 引言

變化檢測是目前遙感領域重要的研究主題之一，其目的是在同一區域的雙時相遙感影像中檢測出感興趣的變化目標。自動變化檢測技術可以減少大量的勞動力成本和時間消耗，從而廣泛應用于城市規劃［1-2］、軍事偵察以及自然災害評估［3-5］。根據變化圖中變化像素的表現形式，變化檢測可分為二分類和多分類兩種。二分類變化檢測是指在生成的變化圖中用二進制標簽（變化和未變化）表示每個對應像素的變化情況［6-7］；多分類（又稱多元）變化檢測生成的變化圖中用多元標簽表示不同地物的變化情況，提供詳細的“從-到”或“消-長”變化信息［8-9］。

隨著高分辨率衛星和航空遙感數據的爆炸式增長以及深度學習技術的快速發展，遙感領域的相關問題也得到了有效解決，如建筑物檢測、土地分類、地物分割等。但在變化檢測中，高分辨率增加了遙感影像的復雜性，模型難以區分場景中的真實變化和無關變化。目前常用的變化檢測方法是基于卷積神經網絡（CNNs）的深度學習模型，該方法利用卷積層強大的特征提取能力，學習雙時相影像的變化特征，并通過上采樣恢復到原來的圖像尺寸，輸出像素級預測結果。例如，DAUDT 等提出了兩個孿生全卷積網絡用于變化檢測，訓練過程中分別融合了圖像的差分和圖像的級聯特征，表現出比傳統方法更好的性能［10］。最近的研究結果表明，在CNNs 的特征融合階段加入注意力機制，能夠有效改善變化檢測結果?！?br>