来源：期刊VIP网 时间：
作者：丁安安;周文婷;李新;蔡子轩;沈佳;
单位：新疆大学计算机科学与技术学院;国网新疆电力有限公司信息通信公司;常州开放大学;
摘要：针对高分辨率双时相遥感影像变化检测中出现的小目标区域漏检、伪变化较多、样本不平衡等问题，提出一种基于改进U-Net++的SUPNet变化检测模型。首先，利用孪生网络和基于融合了空-谱特征协同策略(SSFC)的多尺度空间解耦卷积(MSDConv)而改进的U-Net++作为骨干网络来对特征进行初步提取和融合；其次，通过并行卷积模块对粗变化特征图进行进一步特征集成；最后，使用包含两种注意力机制的混合注意力模块对特征进行细化，以此来获取精准的变化区域。实验采用公开的LEVIR-CD和SYSU-CD数据集进行训练和测试。结果表明，相对于其他7种主流的深度学习变化检测方法，SUPNet变化检测模型在精确率、召回率、F1分值、交并比和总精度方面具有好的表现，证明该模型具有良好的检测性能和泛化能力。
关键词：变化检测;;孪生网络;;U-Net++;;注意力机制;;并行卷积
基金资助：新疆维吾尔自治区重大科技专项(2022A0100)
