近期，j9九游會(huì)官網(wǎng)陳志泊教授課題組在高分辨率遙感圖像變化檢測(cè)研究方面取得研究進(jìn)展，研究成果以“A CNN-Transformer Network Combining CBAM for Change Detection in High-Resolution Remote Sensing Images”為題，在遙感領(lǐng)域TOP期刊《Remote Sensing》（二區(qū)TOP，IF=5.349）上發(fā)表。

遙感圖像變化檢測(cè)是指從同一區(qū)域不同時(shí)間獲取的多幅遙感圖像中提取變化區(qū)域的過程，這對(duì)于快速檢測(cè)和準(zhǔn)確了解地表變化具有重要的意義。隨著遙感技術(shù)的發(fā)展，遙感圖像的空間分辨率越來越高，圖像中包含的地物細(xì)節(jié)信息也越來越多，具有相同語義概念的物體在不同時(shí)間、不同空間位置會(huì)表現(xiàn)出不同的光譜特征。因此，傳統(tǒng)的變化檢測(cè)手段，如基于像素的變化檢測(cè)和基于對(duì)象的變化檢測(cè)，都不再適用于高分辨率遙感圖像變化檢測(cè)。

目前基于深度學(xué)習(xí)的變化檢測(cè)方法大多通過在傳統(tǒng)卷積網(wǎng)絡(luò)中引入注意力機(jī)制來生成檢測(cè)結(jié)果。然而，由于感受野的限制，基于卷積的方法無法充分建模全局上下文和捕捉長程依賴關(guān)系，因此，在區(qū)分偽變化方面存在不足。Transformer具有高效的全局時(shí)空建模能力，有利于感興趣變化的特征表示。然而，細(xì)節(jié)信息的缺乏可能導(dǎo)致Transformer無法準(zhǔn)確定位變化區(qū)域的邊界。

針對(duì)上述問題，陳志泊教授團(tuán)隊(duì)設(shè)計(jì)了結(jié)合卷積神經(jīng)網(wǎng)絡(luò)、Transformer和注意力機(jī)制的端到端網(wǎng)絡(luò)模型CTCANet（圖1）進(jìn)行高分辨率遙感圖像變化檢測(cè)，發(fā)表了利用卷積神經(jīng)網(wǎng)絡(luò)和Transformer實(shí)現(xiàn)高分辨率遙感圖像變化檢測(cè)的論文。為了獲得揭示感興趣變化的高級(jí)特征表示，CTCANet利用Tokenizer將卷積網(wǎng)絡(luò)提取的每個(gè)圖像的特征嵌入到語義標(biāo)記序列中，并利用Transformer模塊在標(biāo)記空間中建模全局時(shí)空上下文。隨后，重構(gòu)的包含深度抽象信息的特征被傳送到級(jí)聯(lián)解碼器，與包含淺細(xì)粒度信息的特征融合。這樣的融合使模型能夠保持變化區(qū)域的完整性并準(zhǔn)確地定位小目標(biāo)。此外，卷積塊注意模塊的集成可以平滑異構(gòu)特征之間的語義差距，并強(qiáng)調(diào)通道和空間域的相關(guān)變化，從而提高檢測(cè)的準(zhǔn)確性。在兩個(gè)可公開訪問的數(shù)據(jù)集LEVIR-CD和SYSU-CD上的實(shí)驗(yàn)結(jié)果證明，所提出的CTCANet性能超過了近期最先進(jìn)的方法。

圖1 CTCANet網(wǎng)絡(luò)結(jié)構(gòu)圖

上述論文第一作者為j9九游會(huì)官網(wǎng)2021級(jí)碩士研究生尹朦朦，通訊作者為陳志泊教授，北京林業(yè)大學(xué)為唯一完成單位。該研究受到國家林業(yè)和草原局項(xiàng)目“林草科技推廣APP信息服務(wù)”（2021133108）的資助。

                                                                                                        撰稿人：徐智穎、尹朦朦

                                                                                                        審稿人：陳志泊、許福