用于遥感图像变化检测的多尺度双重交叉注意Transformer网络

来源：计算机工程与应用杂志2025年第20期北京时间：

作者：邓文浩, 段中兴

单位：1.西安建筑科技大学 信息与控制工程学院，西安 710055；2.西安建筑科技大学 西安市建筑制造智能化技术重点实验室，西安 710055

摘要：针对现有基于深度学习的方法偏重高级变化语义特征提取而难以捕捉地物细节变化，导致检测变化边界模糊且易受伪变化干扰，以及传统U型架构中跳跃连接难以缩小编码器和解码器之间语义差距的问题，提出了一种多尺度双重交叉注意Transformer网络（multi-scale dual cross attention Transformer network，MDCATNet）用于遥感图像变化检测。在编码器中，MDCATNet利用主要特征保留策略和具有残差结构的卷积块构建共享权重的孪生神经网络提取双时相图像的多尺度特征。在解码器中，为了缩小编码器与解码器之间的语义鸿沟，充分融合多尺度特征的远程通道和空间信息，提出了一个新颖的多尺度多头通道-空间交叉融合Transformer模块，用于替代传统跳跃连接。为了进一步细化特征，获得更多变化区域细节信息和平滑的边界轮廓，提出了通道交叉注意细化模块，用于从下至上逐层细化特征并生成高质量的预测图。在LEVIR-CD和SYSU-CD数据集上的实验表明，与其他六种对比算法相比，MDCATNet无论是在定量评价还是在可视化结果方面均取得了最优的检测成绩，具有更强的泛化能力。

关键词：遥感图像,变化检测,语义差距,跳跃连接,Transformer,交叉注意力