.png){kind=icon}
返回
Lightweight and Efficient SpatialFrequency Network for Remote Sensing Change Detection
.png){kind=icon}
PRE
AI
DOI：10.1109/jstars.2026.3708488.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
遥感变化检测（RSCD）旨在通过分析同一地理区域获取的双时相图像来识别地表变化，并在城市规划和环境监测中发挥着关键作用。尽管基于Transformer的方法已展现出强大的全局建模能力，但它们通常存在局部特征感知能力有限和二次计算复杂度的问题，这阻碍了其在高分辨率遥感图像上的部署。此外，现有方法主要关注空间域建模，而全球频域信息利用不足，导致当变化目标与背景区域视觉相似度高时产生模糊边界。为解决这些局限性，我们提出了轻量高效的空间-频域网络（LENet）用于RSCD。首先，在编码器中设计轻量级局部-全局特征集成模块，以有效捕捉精细局部细节的同时高效建模全局结构信息。其次，我们开发了多尺度各向异性上下文注意力模块，将大卷积核分解为水平和垂直深度可分离卷积，显著降低计算成本并增强提取特征的结构感知能力。第三，提出选择性频域差异增强（SFDE）模块，利用傅里叶变换将双时相特征分解到频域。在相位一致性约束下，SFDE模块选择性地增强双时相特征之间的幅度谱差异，从而生成非对称变化感知掩码，引导网络聚焦于变化区域。所提出的LENet在三个RSCD数据集（LEVIR-CD、WHU-CD和GZ-CD）上平均F1和平均IoU分别优于最佳对比方法1.41%和2.35%，同时参数数量减少46.0%。
Keyword:
Modeling
Modules (abstract algebra)
Signal detection
Remote sensing
Frequency
Bismuth
Business intelligence
Educational institutions
Pixel
Transformers
Asymmetric mask
change detection
lightweight model
remote sensing
spatial-frequency
期刊
IF:
5.3
论文数:
1.7K
被引数:
3.0W
机构
查看更多机构
引用论文
暂无论文信息