基于差异门控交互与变化感知的跨时间融合网络用于遥感图像变化检测
遥感图像变化检测在环境监测、城市规划以及灾害评估中具有重要意义。尽管近年来取得了不少进展，现有方法仍难以有效利用双时相差异信息，从而导致因光照或季节变化而产生的误报。此外，这些方法往往无法充分运用粗略预测作为语义先验，进而限制了其检测小尺度变化区域的能力。为解决这些问题，我们在统一的粗到细框架下提出了一种差异门控交互与变化感知跨时相融合网络（DCAFNet）。具体而言，差异门控特征交互模块会根据差异幅度生成变化相关门控，以抑制伪变化同时保留真实变化信号；变化感知跨时相融合模块则将粗略预测作为语义引导，用于特征重新校准，并通过具有可学习自适应融合功能的跨时相注意力机制来识别细微的变化区域。在四个基准数据集（LEVIR-CD、WHU-CD、CDD和SYSU-CD）上的大量实验表明，DCAFNet的表现始终优于十种现有的最先进方法，进一步的消融实验也验证了各组成部分的有效性。