Spatial-Frequency Collaborative Learning Network for Remote Sensing Change Detection

Mengmeng Wang

doi:10.3390/rs18122031

Spatial-Frequency Collaborative Learning Network for Remote Sensing Change Detection

2026-06-18

0

OA

AI

DOI：10.3390/rs18122031

原文链接

原文求助

摘要

En 中文

近年来，深度学习的快速发展显著提升了遥感变化检测的性能。然而，现有的大多数模型仍然主要从空间域描述双时相差异，难以充分捕获复杂场景中互补的频域信息。为解决此局限性，本文提出了一种空间-频域协同学习网络（SFCLNet）用于遥感变化检测。具体而言，利用孪生骨干网络从双时相图像中提取层次化特征。随后设计空间域特征融合（SDFF）模块，通过建模双时相特征的结构一致性来增强局部结构变化细节。同时，引入频域特征融合（FDFF）模块，分别建模相位和幅度分量以表征频域信息。此外，开发空间-频域协同融合（SFCF）模块，通过通道竞争方式整合融合后的空间域和频域特征，获得更具判别性的变化特征表示。最后，采用基于UNet的解码器进行像素级预测，渐进式聚合融合的多级特征。在Google、LEVIR和MSRS基准数据集上的实验结果表明，SFCLNet分别实现了88.94%、91.39%和74.97%的F1分数，优于近期发表的部分方法。这些结果验证了联合利用频域和空间域对遥感变化检测的有效性。

Keyword:

change detection

Spatial Domain Feature Fusion

Frequency Domain Feature Fusion

collaborative learning

Spatial-Frequency Collaborative Learning Network for Remote Sensing Change Detection

摘要

期刊

机构