基于改进BIT的耕地变化检测算法

摘要

耕地“非农化”严重威胁全球粮食安全与生态稳定．遥感变化检测技术因具有大范围动态监测优势，已成为识别耕地“非农化”过程的核心手段．然而，现有方法在处理复杂耕地场景时，受限于多尺度特征表征能力，难以在提取破碎耕地边缘细节的同时兼顾大范围地块的全局语义一致性，从而导致边缘模糊与局部特征丢失．针对上述问题，本文提出一种基于改进双时相图像Transformer(Bitemporal Image Transformer,BIT)的耕地变化检测算法Far-CDNet．首先，引入并联普通卷积及多种差分卷积的细节增强卷积模块，并通过动态加权和残差连接强化特征提取网络的边缘细节表征能力．其次，将BIT模块中语义标记器的普通卷积替换为深度可分离卷积，以增强局部特征捕获能力并生成具有更高层语义的输出特征．最后，增加一条残差分支，进一步融合Transformer前后的局部及全局信息．实验结果表明，改进后的模型F1分数为79.18%,IoU为69.32%，相较于BIT模型，F1分数提升4.17%,IoU提升4.24%.

关键词

变化检测 / 非农化 / 双时相图像Transformer / 细节特征增强卷积模块 / Transformer