CGCCE-Net: 变化引导的互相关增强网络用于遥感建筑物变化检测
图像与视频处理
2026-03-11 v1
摘要
变化检测包含多种任务类型，建筑物变化检测(BCD)任务的目标是精确定位建筑物并区分发生变化的建筑区域。近年来，各种基于深度学习的BCD方法通过使用不同的变化信息增强技术，在检测差异区域方面取得了显著成功，有效提高了BCD任务的精度。为了解决具有特殊颜色的BCD问题，我们提出了变化引导的互相关增强网络(CGCCE-Net)。我们设计了变化引导的残差细化(CGRR)分支，该分支专注于将浅层纹理特征扩展到从PVT获得的多尺度特征，从而实现对特殊颜色的早期关注和获取。然后，在深层特征中使用通道空间注意力以实现独立的信息增强。此外，我们构建了全局互相关模块(GCCM)，以促进双时相图像之间的语义信息交互，建立不同图像之间的建筑物和目标识别关系。通过语义认知增强模块(SCEM)实现进一步的语义特征增强，最后使用交叉融合解码器(CFD)进行变化信息融合和图像重建。在三个公开数据集上的大量实验表明，我们的CGCCE-Net以卓越的性能优于主流的BCD方法。
引用
@article{arxiv.2508.01549,
title = {CGCCE-Net:Change-Guided Cross Correlation Enhancement Network for Remote Sensing Building Change Detection},
author = {ChengMing Wang},
journal= {arXiv preprint arXiv:2508.01549},
year = {2026}
}