DC-Mamba: 用于遥感变更检测的双时序可变形对齐与比例稀疏增强
计算机视觉与模式识别
2025-09-22 v1
摘要
遥感变更检测 (RSCD) 是识别土地覆盖变化的关键技术, 但现有方法, 包括最先进的状态空间模型 (SSM), 往往缺乏显式机制来处理几何错位, 且难以区分细微的真实变化与噪声。为此, 我们引入 DC-Mamba, 一个建立在 ChangeMamba 主干网络之上的 "对齐后增强" 框架。它集成了两个轻量级、即插即用模块: (1) 双时序可变形对齐 (Bi-Temporal Deformable Alignment, BTDA), 用于在语义特征层面显式引入几何感知以纠正空间错位; (2) 比例稀疏变更放大器 (Scale-Sparse Change Amplifier, SSCA), 用于多源线索选择性放大高置信度变更信号的同时抑制噪声, 以进行最终分类。这种协同设计首先通过 BTDA 建立几何一致性以减少伪变更, 然后利用 SSCA 锐化边界并增强小或细微目标的可见性。实验表明, 我们的方法显著优于强大的 ChangeMamba 基线, F1 分数从 0.5730 提升至 0.5903, IoU 从 0.4015 提升至 0.4187。结果确认了 "对齐后增强" 策略的有效性, 提供了一个稳健且易于部署的解决方案, 清晰地解决了 RSCD 中的几何和特征层面的挑战.
引用
@article{arxiv.2509.15563,
title = {DC-Mamba: Bi-temporal deformable alignment and scale-sparse enhancement for remote sensing change detection},
author = {Min Sun and Fenghui Guo},
journal= {arXiv preprint arXiv:2509.15563},
year = {2025}
}