双注意力CD-DLinkNet模型在遥感影像中耕地非农化的检测方法

来源：计算机应用与软件杂志2025年第11期北京时间：

作者：张永洪, 韩红涛, 杨晓锋, 贺帅

摘要：以大数据为驱动的深度学习图像信息挖掘技术是影像解译的研究热点之一，也是自然资源调查监测的重要手段，但存在耕地非农化图斑识别率低、人工工作量大、模型泛化性弱等问题。该文提出引入双注意力机制的CD-DLinkNet变化检测算法，并以地理国情普查成果为基础数据构建耕地非农化变化检测样本数据集，较好地解决了复杂应用场景下耕地非农化变化检测模型泛化性弱、误识别率高的问题。实验证明：针对耕地的非农化变化检测，引入双注意力机制的CD-DLinkNet变化检测算法的对象查全率可达82.52%，对象查准率可达77.02%，很好地满足了遥感监测项目的生产需要，能够有效辅助非农化图斑的变化发现和提取。

关键词：深度学习, 影像解译, 非农化, 调查监测, 注意力机制