Обнаружение изменений в современных высокоразрешающих спутниковых изображениях с помощью сверточных нейронных сетей (Convolutional Neural Network, CNN) достигло значительных результатов. Однако ограниченный размер рецептивного поля сверточных операций приводит к недостаткам в обучении глобальному контексту и дальним пространственным связям. Хотя визуальный трансформер эффективно улавливает зависимости дальних признаков, его обработка деталей изменений в изображениях недостаточна, что приводит к ограниченной пространственной локализации и низкой вычислительной эффективности. Для решения этих проблем в данной статье предлагается модель обнаружения изменений, основанная на гибридной структуре CNN-Transformer с пространственно-расширенным пирамидальным пулами и сквозной каскадной линейной интеграцией между уровнями, объединяющая преимущества визуального трансформера и CNN. Сначала с помощью сдвоенной CNN-сети извлекаются признаки изображений, которые затем точно обрабатываются модулем расширенного пирамидального пула для более точного захвата детальной информации. Далее извлечённые признаки преобразуются в визуальные слова и моделируются с помощью кодировщика трансформера для получения богатой контекстной информации. Эта информация возвращается в визуальное пространство, где декодер трансформера усиливает исходные признаки, повышая их выражательность. Затем, при помощи каскадного объединения между уровнями, признаки CNN и признаки трансформера объединяются с использованием технологии повышения разрешения, что позволяет связать карты признаков с разным разрешением и объединить позиционную и семантическую информацию. В конце, модуль усиления различий генерирует карту признаков различий, содержащую богатую информацию об изменениях. Широкие эксперименты на 4 открытых наборах данных LEVIR, CDD, DSIFN и WHUCD подтвердили эффективность предложенного метода. По сравнению с другими передовыми методами, модель демонстрирует превосходную классификационную производительность и эффективно решает проблемы недо-сегментации, пере-сегментации и грубых краёв при обнаружении изменений.

спутниковые изображения; обнаружение изменений; сверточные нейронные сети; трансформер; пространственно-расширенный пирамидальный пул