STNet: Raum-Zeit-Feature-Fusion-Netzwerk für die Änderungserkennung in Fernerkundungsbildern

Als eine zentrale Aufgabe in der Analyse von Fernerkundungsbildern zielt die Fernerkundungs-Änderungserkennung (Remote Sensing Change Detection, RSCD) darauf ab, Veränderungen von Interesse in einer Region anhand räumlich registrierter mehrzeitlicher Fernerkundungsbilder zu identifizieren, um die lokale Entwicklung zu überwachen. Bisherige RSCD-Methoden formulieren die Aufgabe meist als binäre Klassifikation und repräsentieren die Veränderungen von Interesse lediglich durch Merkmalskombination oder Merkmalsdifferenzierung, wobei die räumlichen Details über dicht verbundene Veränderungsrepräsentationen rekonstruiert werden. Die Leistungsfähigkeit dieser Ansätze bedarf jedoch weiterer Verbesserung. In diesem Artikel stellen wir STNet vor, ein RSCD-Netzwerk auf der Basis der Fusion räumlicher und zeitlicher Merkmale. Konkret entwerfen wir ein temporales Merkmalsfusionsmodul (Temporal Feature Fusion, TFF), das zweizeitliche Merkmale mittels eines zeitübergreifenden Gating-Mechanismus kombiniert, um Veränderungen von Interesse stärker zu betonen; zudem wird ein räumliches Merkmalsfusionsmodul eingesetzt, das feinmaschige Informationen mithilfe eines skalenübergreifenden Aufmerksamkeitsmechanismus erfasst, um die räumlichen Details der Veränderungsrepräsentationen wiederherzustellen. Experimentelle Ergebnisse auf drei Benchmark-Datensätzen für RSCD zeigen, dass die vorgeschlagene Methode die derzeit beste Leistung erzielt. Der Quellcode ist unter https://github.com/xwmaxwma/rschange verfügbar.