基于变化引导和双向Mamba网络的遥感影像变化检测方法

针对现有遥感影像变化检测方法中存在的多尺度信息利用不充分、微小变化、区域不规则和边界模糊等问题，提出了一种基于变化引导和双向Mamba（CGBMamba）网络的遥感影像变化检测方法。CGBMamba采用编码器-解码器架构。首先，在编码器阶段使用共享残差网络提取不同阶段的特征；然后，在编码器和解码器之间利用时域融合模块，通过跨时间与跨尺度机制，进一步提高双时相变化的捕捉能力；其次，双向Mamba模块通过捕捉长距离依赖关系，优化了局部细节与全局特征的融合，增强了对复杂变化目标的识别能力；最后，深度变化引导特征通过先验信息来引导多尺度特征融合，确保关键信息的保留。在LEVIR-CD、CLCD和SYSU-CD数据集上的实验结果表明，CGBMamba在复杂变化检测任务中表现出色，尤其在细节处理和抗干扰能力方面具有显著优势。与现有主流方法相比，所提的CGBMamba方法在各数据集上均取得了最高的变化检测精度（其中F1分数分别为90.42%、75.15%和81.34%），特别是在微小变化的捕捉和背景噪声抑制方面表现尤为突出。