Das Kernziel der semantischen Änderungsdetektion besteht darin, komplexe Veränderungen der Landbedeckung präzise zu erkennen und gleichzeitig die entsprechenden semantischen Kategorien zu bestimmen. Aktuelle Forschungen zeigen, dass die Verwendung separater Zweige für die Änderungsdetektion und die semantische Erkennung zur gemeinsamen Durchführung der semantischen Änderungsdetektion eine zuverlässige Lösung für dieses Problem darstellt. Allerdings integrieren bestehende Frameworks die semantischen Objektinformationen oft nicht ausreichend, um den Änderungsdetektionsprozess zu steuern, was die Fähigkeit des Modells zur präzisen Erkennung komplexer Szenenänderungen in gewissem Maße einschränkt. Zur Lösung dieses Problems wird in diesem Artikel das semantisch geführte spatio-temporale kollaborative Wahrnehmungsnetzwerk SemSTNet (Semantic-guided Spatio-Temporal Collaborative Perception Network) vorgestellt, das unter Berücksichtigung der spatio-temporalen Interaktion von Features aus zwei Zeitinstanzen eine semantische Führung zur präzisen Erkennung der Änderungsbereiche ermöglicht. Konkret wurde ein symmetrisches spatio-temporales Demodulations-Differenzmodul entwickelt, das bidirektionale Feature-Modulation zur gegenseitigen Kalibrierung der zeitphasenübergreifenden Features verwendet, und mittels 3D-Differenz-Faltung räumlich-temporale Änderungsreaktionen entkoppelt; außerdem wurde ein semantisch gesteuerter Fusionierungsdecoder mit einem dynamischen Gewichtungsmechanismus für semantische Ähnlichkeiten entworfen, der mittels Kosinus-Ähnlichkeitskarte semantische Priori generiert und durch adaptive Gate-Fusion die Hervorhebung tatsächlicher Änderungsbereiche verstärkt; schließlich wurde ein tiefer semantischer Kontrastverlust entwickelt, um ein doppeltes Überwachungssignal zu erzeugen, das die semantische Konsistenz der unveränderten Bereiche im Merkmalsraum einschränkt und den Klassenabstand zwischen veränderten und unveränderten Bereichen vergrößert. Umfangreiche Experimente auf zwei Datensätzen zur semantischen Änderungsdetektion zeigen, dass das vorgeschlagene Modell sowohl bei qualitativer als auch quantitativer Bewertung deutlich besser ist als andere fortschrittliche Methoden der semantischen Änderungsdetektion.

Fernerkundungsbilder;Landbedeckungsänderungen;semantische Änderungsdetektion;spatio-temporale Zusammenarbeit;semantische Führung