近十年遥感变化检测方法综述：全面回顾

变化检测是遥感中一项基础且广泛应用任务，旨在检测和分析同一地理区域随时间发生的变化，在城市发展、农业调查和土地覆盖监测中具有广泛应用。由于图像质量差异、噪声、配准误差、光照变化、复杂地形和空间异质性等多种因素，遥感图像变化检测是一项复杂挑战。近年来，深度学习已成为特征提取和应对这些挑战的有力工具，其通用性使其在众多图像处理任务中被广泛采用。本文对过去十年遥感图像变化检测的重大进展进行了全面综述。我们首先介绍变化检测任务的一些预备知识，如问题定义、数据集、评估指标和Transformer基础，并在方法部分从算法粒度、监督模式和学习框架三个不同视角对现有算法进行详细分类。本综述使读者能从多个角度系统掌握变化检测任务知识。随后我们总结了若干主流变化检测数据集上的最先进性能，剖析现有算法的优势与局限。基于综述，我们明确了遥感变化检测的一些未来研究方向。本综述论文将为相关领域提供启示，并激发变化检测任务的进一步研究努力。