Um das Problem des Informationsverlustes und der falschen Veränderungsstörungen durch aufeinanderfolgende Downsampling-Schritte bei der Veränderungserkennung von Fernerkundungsbildern zu lösen, schlägt dieser Artikel ein Veränderungserkennungsnetzwerk DDSE-Net vor, das auf einem zweigleisigen Encoder und einer U-Net-Architektur basiert und eine doppeldomänen-Differenz- und Skala-Auswahlverstärkung nutzt. Die drei Hauptinnovationen sind: (1) ein gemeinsames doppeldomäniges Differenzverstärkungsmodul, das zuerst Merkmale auf Kanälebene mittels Kanalaufmerksamkeit verstärkt und dann Wavelet-Transformation und räumliche Aufmerksamkeit für eine doppeldomänige Differenzverstärkung im Raum- und Frequenzbereich verwendet, um echte Veränderungen hervorzuheben und falsche zu unterdrücken; (2) ein Verstärkungsmodul für die Skala-Auswahl beim Downsampling, das mehrskalige Merkmalsinformationen durch konvolutionale oder Pooling-Operationen unterschiedlicher Skala erfasst und anschließend mittels räumlicher oder kanalbezogener Aufmerksamkeit verstärkt, um Informationsverluste effektiv zu reduzieren; (3) ein gesteuertes Differenzerkennungsmodul, das mehrskalige Veränderungsmerkmale adaptiv gewichtend kombiniert, um die Multiskalenrepräsentationsfähigkeit des Modells zu verbessern. Das vorgeschlagene Netzwerk DDSE-Net erzielt auf den öffentlichen Datensätzen WHU, Google und LEVIR F1-Werte, die im Vergleich zu acht führenden Veränderungserkennungsnetzwerken (FC-EF, FC-Conc, IFN, SNUNet, BIT, MSCANet, LightCDNet und STADE-CDNet) mindestens um 4,48%, 2,18% bzw. 1,16% erhöht sind, was die Wirksamkeit von DDSE-Net bestätigt.

Fernerkennungsveränderungserkennung; gemeinsames doppeldomänisches Differenzverstärkung; Skala-Auswahlverstärkung; gesteuertes Differenzerkennen