HA2F：基于双模块协作引导的层次化自适应聚合框架用于遥感变化检测
计算机视觉与模式识别
2026-01-26 v1
摘要
遥感变化检测 (RSCD) 旨在识别陆地覆盖的时空变化，为多学科应用（如环境监测、灾害评估和气候变化研究）提供关键支持。现有方法要么专注于从局部图像块中提取特征，要么追求整体图像的全局处理，导致跨时相特征匹配偏差，并对辐射和几何噪声敏感。针对上述问题，我们提出一种双模块协作引导的层次化自适应聚合框架，称为HA2F，包括动态层次特征校准模块 (DHFCM) 和噪声自适应特征细化模块 (NAFRM)。前者通过感知特征选择机制动态融合相邻层次特征，抑制不相关的差异，以解决多时相特征对齐偏差。NAFRM利用双特征选择机制突出显示变更敏感区域并生成空间掩码，抑制无关区域或阴影的干扰。大量实验验证了所提HA2F的有效性，该方法在LEVIR-CD、WHU-CD和SYSU-CD数据集上实现了最先进的性能，在精度指标和计算效率方面均优于现有比较方法。此外，消融实验表明DHFCM和NAFRM都有效。\href{https://huggingface.co/InPeerReview/RemoteSensingChangeDetection-RSCD.HA2F}{HA2F官方代码可在此处获取！}
引用
@article{arxiv.2601.16573,
title = {HA2F: Dual-module Collaboration-Guided Hierarchical Adaptive Aggregation Framework for Remote Sensing Change Detection},
author = {Shuying Li and Yuchen Wang and San Zhang and Chuang Yang},
journal= {arXiv preprint arXiv:2601.16573},
year = {2026}
}