摘要
يلعب الكشف عن التغيرات الدلالية في صور الاستشعار عن بعد دورًا هامًا في البيئة الإيكولوجية ومراقبة استخدام الأراضي وتغطية الأراضي وغيرها من الجوانب. في السنوات الأخيرة، أصبحت طرق الكشف عن التغيرات القائمة على التعلم العميق موضوعًا ساخنًا في التفسير الذكي عن بعد، ومع ذلك تفتقر طرق الكشف عن التغيرات الدلالية ذات الفروع الثلاثة الحالية إلى نمذجة الاتساق بين فرع التغير والفرع الدلالي، مما يؤدي إلى تباينات ذاتية في الكشف عن التغيرات الدلالية للجانبين الزمنيَّين. لمواجهة هذه المشكلة، تقترح هذه الورقة خوارزمية للكشف عن التغيرات الدلالية في صور الاستشعار عن بعد تعتمد على شبكة CNN التوأمية وTransformer. في مرحلة الترميز، تم تصميم شبكة ResNet34 التوأمية لاستخراج ميزات متعددة المقاييس من الصور، واستُدمجت وحدة تعزيز الفروقات لزيادة تركيز المعلومات المتعلقة بالتغيرات؛ ثم يُستخدم موشِّح دلالي لتحويل خريطة الميزات إلى توكنات دلالية مضغوطة، ومن خلال مشفر Transformer يتم نمذجة الاتساق بين “الدلالة - التغير” عبر دمج المعلومات الدلالية والتغيرية للجانبين الزمنيَّين. في مرحلة فك الترميز، عبر فك الترميز بـTransformer والاعتماد على الاتصالات المتخطية، تدمج المعلومات الدلالية على مستويات دقة مختلفة لتوليد خرائط ميزات دلالية محسنة؛ بعد إعادة العينات والضرب بالقناع تُحصل نتائج التغيرات الدلالية للجانبين الزمنيَّين. تظهر نتائج التجارب على مجموعتي SECOND وLandsat-SCD العموميتين للكشف عن التغير الدلالي في بيانات الاستشعار عن بعد أن الخوارزمية المقترحة تركز بفعالية على مناطق التغير، وتحافظ على اتساق نتائج التغير والدلالة، مع تحقيق مؤشرات تقييم ونتائج بصرية ممتازة.
关键词
صور الاستشعار عن بعد;الكشف عن التغير;الاتساق الدلالي;تعزيز الفروقات;خصائص متعددة المقاييس;الشبكة التوأمية;ResNet34;Transformer