一种用于海岸湿地监测的跨模态语义变化检测框架，该框架结合了光学遥感和SAR遥感图像数据

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：A Cross-Modal Semantic Change Detection Framework for Coastal Wetland Monitoring Using Optical and SAR Remote Sensing Imagery

　　

摘要：

沿海湿地作为高度动态且敏感的生态系统，需要精确识别空间变化的位置和语义转换路径，以便进行有效的环境监测和管理。然而，跨异构光学和SAR模式的语义变化建模仍然研究不足，主要受到模式差异、特征不对齐以及由于成像机制根本不同导致的语义模糊性的阻碍。为了解决这些问题，我们提出了一个跨模态对抗协作语义变化检测网络（CMAC-SCDNet）。该框架通过变化先验引导的对抗协作学习来减少跨模态差异并促进语义一致性，同时避免统一特征对齐，并保留各模态特有的判别细节。为了提高在高度异构的沿海湿地中的鲁棒性，我们进一步设计了一个基于注意力机制的差异特征提取模块来增强变化敏感性，以及一个金字塔时间相关模块和一个语义特征细化模块来提高时间-语义一致性。此外，引入了一种动态的多任务加权策略来共同优化变化检测和语义分割。在两个具有代表性的沿海湿地数据集——盐城和杭州湾上的实验表明，CMAC-SCDNet的表现始终优于现有方法，在综合评分指标上分别提高了7.64%和7.49%。这些结果证明了CMAC-SCDNet在光学-SAR语义变化检测方面的有效性，并凸显了其在复杂沿海湿地环境中进行鲁棒监测的潜力。