基于实例对比学习的遥感建筑物变化检测域适应算法_NormalPdf.pdf

1007-4619（2024）07-1771-18NationalRemoteSensingBulletin遥感学报

基于实例对比学习的遥感建筑物变化

检测域适应算法

1，231，2，41，2，41，2，4

张奇，路遥，王飞，张雪涛，郑南宁

1.西安交通大学人机混合增强智能全国重点实验室,西安710049;

2.西安交通大学视觉信息与应用国家工程研究中心,西安710049;

3.北京市遥感信息研究所,北京100011;

4.西安交通大学人工智能与机器人研究所,西安710049

摘要：建筑物变化检测是遥感影像智能解译中的重要研究方向。针对建筑物变化检测的跨域变化检测算法中

存在的像素级对比学习噪声过大和目标域样本利用不充分等问题，本文提出了实例级对比学习域适应变化检测

算法ICDA-CD。首先，使用区域级域混合替代实例级域混合，以实现源域和目标域图像的有效混合；然后，利

用实例级对比学习，降低伪标签噪声的影响。具体来说，在编码器中，拉开变化实例区域双时相特征距离，并

在解码器中，拉近各个变化实例特征之间的距离，这可以显著提升模型对源域和目标域特征表示的一致性；最

后，在损失计算部分使用伪标签质量估计，使得低置信度区域的像素也可以参与训练，提高了目标域样本的利

用率。将本文方法与DACS、DAFormer、和HRDA等3种目前先进的算法进行实验对比。结果表明本文所提出来

的方法在LEVIR-CD域迁移至S2Looking以及S2Looking域迁移至LEVIR-CD时F1分数分别达到了43.91%和

74.75%，优于几种先进的算法。

关键词：遥感图像，建筑物变化检测，对比学习，域适应，深度学习，伪标签

中图分类号：P237/P2

引用格式：张奇，路遥，王飞，张雪涛，郑南宁.2024.基于实例对比学习的遥感建筑物变化检测域适应算法.遥感学报，28（7）：1771-1788

ZhangQ，LuY，WangF，ZhangXTandZhengNN.2024.Domain-adaptationalgorithmforremotelysensing

buildingchangesthroughinstancecontrastlearning.NationalRemoteSensingBulletin，28（7）：1771-1788［DOI：10.

11834/jrs］

是一个重要方向。

1引言

遥感图像建筑物变化检测是对同一地理区域、

近年来随着遥感技术的飞速发展，遥感卫星不同时间获取的遥感影像自动地进行地面建筑物

的成像能力不断提高，遥感图像的质量飞速提升，变化检测的技术（柳思聪等，2023）。近年来，深

目前光学遥感影像空间分辨率已经可以达到0.3m度学习方法在建筑物变化检测中得到了广泛的应

GSD。因此，借助遥感图像可以更加清晰准确的辨用，此类方法可以从原始数据中自动提取层次结

别地表上的物体。目前遥感图像智能解译已经得构的、非线性的特征，克服了传统建筑物变化检

到了广泛应用，如遥感图像目标检测（姚群力等，测方法的一些局限性，表现出优异的性能。

2019；史文旭等，2020；王海峰等，2022；薛成根据双时相图像的深度特征提取过程，基于

宬等，2023）、遥感图像语义分割（Su等，2022；深度学习