基于一致性生成对抗的遥感多时相建筑物变化检测数据对生成技术

来源：电子与信息学报杂志2025年第3期北京时间：

作者：陈昊, 周光尧, 王乾通, 高斌, 王文志, 唐皓

单位：1.北京跟踪与通信技术研究所 北京 1000942.中国科学院空天信息创新研究院 北京 100094

摘要：虽然目前可以获取海量的多时相遥感数据，但是由于建筑物变化时间周期过长，难以获取充足的建筑物变化数据对来支撑数据驱动的深度学习变化检测模型构建，呈现多时相遥感建筑物变化检测处理精度差的问题。因此，为提升变化检测算法模型处理性能，该文从建筑物变化检测训练数据对生成开展研究，基于一致性对抗生成机理提出了多时相建筑物变化检测数据对生成网络(BAG-GAN)。其主要在多时相图像生成过程中采用对抗一致性损失函数约束，在保证生成图像和输入图像关联性的同时，保证了生成模型的多模态输出能力。此外，还通过重组原数据集中的变化标签和多时相遥感图像来进一步提升建筑物变化信息生成的多样性，解决了训练数据中有效建筑物变化信息占比少的问题，为变化监测算法模型的充分训练奠定了基础。最后，在LEVIR-CD和WHU-CD建筑物变化检测数据集上进行了数据生成实验，并使用生成扩充后的数据集训练了多种较为经典的遥感图像变化检测模型，实验结果表明该文提出的BAG-GAN多时相建筑物变化检测数据对生成网络及相应的生成策略可以有效提升变化检测模型的处理精度。

关键词：多时相遥感, 建筑物变化检测, 对抗生成网络, 数据对生成