Para abordar los problemas que enfrentan las redes convolucionales en la detección de cambios, como el campo receptivo limitado, la insuficiente interacción de características entre niveles y la dificultad para modelar dependencias contextuales a largo plazo, este artículo propone el modelo CTDFFNet basado en la fusión de características diferenciales mediante Cross-Transformer. Primero, se utiliza la red ResNet18 para construir una representación local multiescala de características, combinándola con el módulo Cross-Transformer para aprender representaciones de diferencias y así lograr percepción global del contexto e interacción multicapa de características, aumentando la sensibilidad del modelo a cambios complejos en escenas; luego, la parte de decodificación utiliza una estructura de conexiones densas para lograr propagación multipath de características y aprovechamiento completo de la información, mientras se suprime la desaparición del gradiente; finalmente, se combina el módulo de mejora adaptativa de canales ACEM para ajustar dinámicamente los pesos de los canales y mejorar la representación de características clave, utilizando una capa Sigmoid para generar el mapa final de cambios. Para validar la efectividad del método, se realizaron experimentos en tres conjuntos de datos de detección de cambios: LEVIR-CD, CDD y WHU-CD. Los resultados cuantitativos muestran que CTDFFNet obtiene los mejores indicadores de precisión en los tres conjuntos, con puntuaciones F1 de 91.52%, 95.83% y 93.02% respectivamente. Además, los resultados visuales indican que CTDFFNet puede resistir eficazmente interferencias como fondos complejos, sombras y cambios de iluminación, mejorando significativamente la detección y el reconocimiento de objetivos a diferentes escalas.

detección de cambios;aprendizaje profundo;Cross-Transformer;mecanismo de atención cruzada;mejora adaptativa de canales