مع تطور تقنيات المراقبة الأرضية عالية الدقة في الاستشعار عن بعد، تُعزز تفاصيل نسيج الأجسام الغنية في الصور كمية المعلومات، لكنها أيضًا تُدخل ضوضاء خلفية معقدة ناتجة عن الإضاءة والظل والفروق الموسمية في الظواهر النباتية. لمواجهة مشكلة الكشف الزائف للتغيرات بسبب الضوضاء الخلفية المعقدة في الكشف عن التغيرات في صور الاستشعار عن بعد عالية الدقة، ومشكلة فقدان التفاصيل الصغيرة للأهداف الناتجة عن عمليات التعيين التقليدية، نقدم شبكة تعتمد على فك تشابك الميزات والتكرار الدقيق (DIR-Net). أولاً، نستخدم FastSAM مدرب مسبقًا كمشفر بصرية مسبقة لاستنباط ميزات متينة متعددة المقاييس. ثم نصمم وحدة فك تشابك فضاء الميزات من خلال الإسقاط العمودي واستراتيجيات إعادة معايرة متقاطعة، لفصل ميزات الزمنين إلى فضاء مشترك دلالي وفضاء ميزات الفروق، مما يكبح الضوضاء البيئية من المصدر. أخيرًا، نقدم وحدة تحسين الفاقد التكراري، مع إدخال آلية انتباه الإحداثيات، لنمذجة عملية فك التشفير كمسألة انحدار فاقد تدريجية من الخشن إلى الدقيق، تعيد تدريجياً تفاصيل حواف الأهداف الصغيرة في فضاء الميزات مع الحفاظ على الدقة. أظهرت نتائج التجارب على مجموعات البيانات العامة LEVIR-CD وWHU-CD وSYSU-CD أن درجات F1 لـ DIR-Net بلغت 91.33% و93.31% و86.29% على التوالي. بالمقارنة مع خوارزميات ChangeFormer وBIT الشائعة، تحسنت درجة F1 بمتوسط حوالي 5.0%، مع تقليل ملحوظ لمعدل الإنذارات الخاطئة للتغيرات مع الحفاظ على معدل استدعاء مرتفع للغاية. تحل هذه الطريقة بفعالية مشكلة تشابك الميزات وفقدان التفاصيل، وتظهر متانة أكبر ودقة تحديد حدود أعلى في المشاهد المعقدة.

الكشف عن تغيرات صور الاستشعار عن بعد;فك تشابك الميزات;التحسين التكراري للفاقد;التعلم العميق;DIR-Net;صور عالية الدقة;كشف الأهداف الصغيرة