Im Hinblick auf das Problem des Informationsverlusts und der Störungen durch falsche Veränderungen, die durch kontinuierliches Downsampling bei der Veränderungserkennung in Fernerkundungsbildern verursacht werden, schlägt dieser Artikel ein Veränderungserkennungsnetzwerk DDSE-Net basierend auf einem zwei-branchigen Encoder und einer U-Net-Architektur vor, das eine Verstärkung der Differenzen in zwei Domänen sowie eine Maßstabswahl verwendet. Die Hauptinnovationen umfassen drei Punkte: (1) Vorstellung eines gemeinsamen Differenzverstärkungsmoduls in zwei Domänen, das zunächst mittels Kanalaufmerksamkeit Differenzen in der Merkmalsdimension verstärkt und anschließend Wavelet-Transformation und räumliche Aufmerksamkeit zur Verstärkung der räumlichen und frequenzmäßigen Differenzen nutzt, wodurch echte Veränderungsinformationen effektiv hervorgehoben und falsche Veränderungen unterdrückt werden; (2) Entwurf eines Maßstabswahl-verstärkten Downsampling-Moduls, das beim Downsampling zunächst multiskalige Merkmalsinformationen durch Faltungen oder Pooling in verschiedenen Maßstäben erfasst und anschließend mittels räumlicher oder Kanalaufmerksamkeit diese Merkmale verstärkt, wodurch Informationsverlust effektiv reduziert wird; (3) Aufbau eines Gate-Differenzerkennungsmoduls, das multiskalige Veränderungsmerkmale adaptiv gewichtet und integriert, um die multiskalige Repräsentationsfähigkeit des Modells zu verbessern. Das vorgeschlagene Netzwerk DDSE-Net zeigte auf den öffentlichen Datensätzen WHU, Google und LEVIR eine Steigerung des F1-Werts um mindestens 4,48 %, 2,18 % bzw. 1,16 % im Vergleich zu acht führenden Veränderungserkennungsnetzwerken FC-EF, FC-Conc, IFN, SNUNet, BIT, MSCANet, LightCDNet und STADE-CDNet und bestätigte damit die Wirksamkeit von DDSE-Net.

Fernerkundungs-Veränderungserkennung; gemeinsame Verstärkung der Differenzen in zwei Domänen; Maßstabswahl-Verstärkung; Gate-Differenzerkennung