.png){kind=icon}
返回
Temporal Difference Learning via Frequency–Spatial Interaction for Remote Sensing Change Detection
.png){kind=icon}
PRE
AI
DOI：10.1109/lgrs.2026.3712317.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）旨在从双时相图像中识别地表变化。然而，复杂遥感场景中的时差学习仍具挑战性，因为未变化区域常因光照变化、季节转换和背景杂波导致特征差异，易引发伪变化和模糊边界。为解决此问题，我们提出了一种基于频域-空间交互的时差学习（TDFSI）框架用于RSCD。具体而言，我们首先设计时差增强模块（TDEM）以强化双时相特征中的变化敏感差异线索，同时抑制不稳定的背景响应。随后，引入频域变化精炼（FCR）模块在光谱域精炼时差表示，以增强全局一致性、减少伪变化噪声并锐化对象边界。最终，将精炼的多级特征输入UPerNet变化解码器生成最终预测。在LEVIR-CD和SYSU-CD数据集上的大量实验验证了所提方法的有效性，在LEVIR-CD上达到92.13%的F1分数和84.70%的交并比（IoU）。结果表明，频域-空间交互可有效增强时差学习，实现鲁棒且精确的RSCD（代码地址：https://github.com/lxllzzy/TDFSI-RSCD）。
Keyword:
Boundary refinement
frequency–spatial interaction
remote sensing change detection (RSCD)
temporal difference learning
期刊
I
IF:
4.4
论文数:
756
被引数:
0
机构
引用论文
.png){kind=icon}
分享收藏Interactive and Supervised Dual-Mode Attention Network for Remote Sensing Image Change Detection用于遥感图像变化检测的交互式和监督双模注意力网络
PREAI
分享收藏
A comprehensive change detection method for updating the National Land Cover Database to circa 2011一种用于将国家土地覆盖数据库更新到大约2011的综合变化检测方法
PREAI
分享收藏
分享收藏A Deeply Supervised Attention Metric-Based Network and an Open Aerial Image Dataset for Remote Sensing Change Detection用于遥感变化检测的基于深度监督的注意力度量网络和开放的航空图像数据集
PREAI
分享收藏Artificial Intelligence for Remote Sensing Data Analysis A Review of Challenges and Opportunities
PREAI
分享收藏
查看更多内容