摘要
كشف التغيير في دور الصور البعيدة المشتقات يلعب دورا هاما في مراقبة البيئة البيئية واستخدام الأراضي ورصد تغطية الأراضي. في السنوات الأخيرة، وكانت طرق كشف التغييرات على أساس التعلم العميق شغلت مركز الاهتمام في تفسير الذكاء البعيد، إلا أن الأساليب الحالية لكشف التغييرات النصفية تفتقر إلى نمذجة توحيد فرع التغييرات وفرع الدلالات، مما يؤدي إلى تناقض الكشف عن تغييرات الدلالة المتزامنة. مواجهة هذه المشكلة، يقترح هذا البحث خوارزمية كشف التغييرات في صور البعد المشتقة بناءً على مزدوجة CNN وTransformer. في مرحلة التشفير، تم تصميم أولا شبكة ResNet34 المزدوجة لاستخراج ميزات متعددة الحجم للصور وتضمين وحدة تعزيز الاختلاف لزيادة تركيز المعلومات التغير؛ ثم استخدام جهاز تظليل الدلالة لتصوير الخرائط المميزة كرموزات دلالية مضغوطة وتشمل فوجيء المرور الدلالي المزدوج بشكل متزامن ومعلومات التغير لنمذجة الدلالة - التغير بشكل موحد. في مرحلة فك الترميز، يستخدم فك الترميز Transformer روابط القفزات لدمج معلومات الدلالة الدقيقة المختلفة وإنتاج خرائط الميزات الدقيقة؛ بعد الترميز الصعودي لاستعادتها، تم التكشير عبر القناع وتكوين النتائج المتنوعة لكشف التغيرات في الدلالات المتزامنة. نتائج التجربة على مجموعة بيانات كشف التغيرات في البيانات المتاحة للعموم SECOND و LandSat-SCD تشير إلى أن الخوارزمية المقترحة في هذا البحث تستطيع التركيز بفعالية على مناطق التغيير، والحفاظ على توافق النتائج التغيرية ونتائج الدلالة، وتحقيق مؤشرات تقييم ممتازة وأداء بصري فائق.
关键词
remote sensing image;change detection;Semantic Consistency;Difference Enhancement;Multi-scale Features;Siamese network;ResNet34;Transformer