学术动态

B-Mamba：利用基于曼巴模型的孪生网络从大规模陆地卫星影像绘制火烧严重度

面向稳健遥感变化检测的可靠性增强状态空间交互

ASFR-Net：用于异构遥感图像变化检测的对抗对齐和空间频率精化网络

针对异构遥感影像变化检测中不同传感器成像机制与光谱响应差异较大，易引入伪变化信息，导致真实地物变化与模态差异难以有效区分、检测精度和跨模态泛化能力受限等问题，提出一种端到端的对抗式空间—频率精细化变化检测网络（ASFR-Net）。该方法首先设计模态不变表征学习模块（MIR-Learner），通过对抗学习引导主干网络提取跨模态共享特征，缩小异构影像之间的特征分布差异；其次，构建空间—频率协同增强模块（SFEM），联合利用空间域与频率域信息，识别并抑制空间域中难以有效分离的传感器特有噪声及成像伪影，进一步消除残余模态差异，提高真实变化特征的判别能力；随后，基于精细化跨模态特征提取多层次差异信息，并通过级联层次引导融合模块（HGFM）实现不同尺度变化特征的协同融合与精细解码，生成高精度地物变化检测结果。同时，构建面向建筑物变化的高分辨率可见光—近红外异构变化检测数据集（VisNIR-HCD），为复杂光谱差异条件下的模型训练与泛化能力评价提供数据支撑。该研究将模态不变特征学习、空间—频率协同增强与层次化变化特征融合相结合，为复杂异构遥感影像中的伪变化抑制、建筑物变化精细识别及跨传感器变化检测提供了新的技术途径。