基于局部-全局特征耦合与边界引导的遥感图像建筑物变化检测

来源：计算机应用研究杂志2024年第6期北京时间：

作者：郑剑,柴岚康,于祥春,

单位：江西理工大学信息工程学院,江西赣州341000；

摘要：针对现有变化检测方法局部特征和全局特征难以兼顾、变化对象和背景之间分界模糊的问题，提出了一种基于局部-全局特征耦合与边界引导的遥感图像建筑物变化检测方法。该方法在编码阶段采用并行的卷积神经网络和Transformer分别提取遥感图像的局部特征与全局表示。在不同尺度下，使用局部-全局特征耦合模块融合局部特征和全局特征表示，以增强图像特征的表达能力。引入边界引导分支获取变化对象的先验边界信息，使其引导变化图突出建筑物的结构特征，促进边界精确定位。该方法在LEVIR-CD和WHU数据集上进行实验验证，其F1-score分别为91.25%和91.27%，IoU分别为83.90%和83.95%。实验结果表明，该方法在检测精度上有较大的提升，且具有良好的泛化能力。

关键词：遥感图像,变化检测,卷积神经网络,Transformer,特征耦合,边界引导,

基金资助：江西省自然科学基金资助项目(20224BAB212013)；；