基于Vision-xLSTM的遥感图像语义变化检测

来源：计算机技术与发展杂志2025年第08期北京时间：

作者：张显然;高晗;吴建胜

摘要：语义变化检测是二进制变化检测的扩展,不仅能识别遥感图像中的变化区域,还能提供详细的语义类别变化,这一点在土地覆盖与利用监测任务中尤为重要。 传统的三分支卷积神经网络架构和基于时间一致性的学习方案在语义变化检测中得到广泛应用,但如何有效区分语义变化并充分建模时间依赖性仍然具有挑战性。 该文提出了一种结合 CNN 和Vision-xLSTM(ViL)的新型架构 ViLSCD 来解决语义变化检测问题。 首先,设计了多尺度特征增强融合模块,提升模型对细粒度特征的表达能力;其次,引入差分多阶段特征交互蒸馏模块,增强模型对变化信息的感知;最后,使用 ViL 模块充分建模时间依赖性。 在 Landsat-SCD 数据集上进行的实验表明,ViLSCD 模型在语义变化检测任务中取得了显著成效,其mIoU 和 SeK 分别达到 90. 38% 和 64. 12% ,均超越了当前现有方法,从而证实了该架构在该任务中的优越性。

关键词：计算机视觉;遥感图像;语义变化检测;Vision-xLSTM;多尺度结构