원격 탐사 영상의 의미 변화 감지는 생태 환경, 토지 이용, 토지 피복 모니터링 등 여러 분야에서 중요한 역할을 합니다. 최근 딥러닝 기반 변화 감지 방법은 원격 탐사 지능형 해석의 핫 이슈이지만, 기존의 삼중 분기 의미 변화 감지 방법은 변화 분기와 의미 분기 간의 일관성 모델링이 부족하여 양시점 의미 변화 감지에 모순이 발생합니다. 이에 본 논문에서는 쌍둥이 CNN과 Transformer를 기반으로 한 원격 탐사 영상 의미 변화 감지 알고리즘을 제안합니다. 인코딩 단계에서는 먼저 쌍둥이 ResNet34 네트워크를 설계하여 영상의 다중 스케일 특성을 추출하고, 변화 정보에 대한 주의를 높이기 위해 차이 강화 모듈을 삽입합니다; 이후 의미 표시기를 사용하여 특징 맵을 압축된 의미 토큰으로 매핑하고, Transformer 인코더를 통해 양시점 의미 및 변화 정보를 공동으로 모델링하여 '의미-변화' 일관성을 구축합니다. 디코딩 단계에서는 Transformer 디코더가 스킵 연결을 활용하여 서로 다른 세분화된 의미 정보를 융합하고 세분화된 의미 특징 맵을 생성합니다; 업샘플링 복원 및 마스크 곱셈을 거쳐 양시점 의미 변화 결과를 얻습니다. 공개된 원격 탐사 의미 변화 감지 데이터셋 SECOND와 Landsat-SCD에서의 실험 결과, 제안된 알고리즘은 변화 영역에 효과적으로 주목하며 변화 결과와 의미 결과의 일관성을 유지하고 우수한 평가 지표와 시각적 효과를 달성함을 보여줍니다.

원격 탐사 영상; 변화 감지; 의미 일관성; 차이 강화; 다중 스케일 특징; 쌍둥이 네트워크; ResNet34; Transformer