电讯技术

作者：李钊,许涛,田西兰

单位：(中国电子科技集团公司第三十八研究所，合肥 230088)

关键词：遥感图像；图像变化检测；深度学习；孪生网络；全局注意力；

近年来，基于卷积神经网络（Convolutional Neural Network,CNN）的方法尤其是孪生网络成为遥感图像变化检测任务的主流网络。然而，传统孪生网络模型在特征提取与表征能力上存在固有局限，难以适应变化区域在几何形态和空间尺度上的多样性，导致检测结果常出现伪变化误判与真实变化漏检。针对上述技术瓶颈，提出了一种高性能像素级变化检测模型MNUNet-CD（Mix-Nested-Unet Change Detection）。该模型通过混合残差模块对双时相图像对进行多维度特征提取，构建层次化特征表达体系；引入多尺度特征融合机制，实现对不同空间分辨率下变化模式的精细化捕捉；设计全局注意力模块对特征空间进行自适应筛选，强化模型对关键变化特征的表征能力。实验结果表明，所提模型在CDD、WHU-CD和LEVIR-CD 3个公开数据集上均展现出一定性能优势，与基准方法(SNUNet-CD)相比，在F1分数上分别提升了 3.3%、0.7% 和 0.9%。

来源：2025年第10期

《电讯技术》期刊编辑部

查看电讯技术杂志2025年第10期