福州大学数字中国研究院（福建）教师李蒙蒙、汪小钦研究团队在遥感领域顶级期刊《IEEE Transactions on Geoscience and Remote Sensing》（中科院一区Top，影响因子：8.125）上发表“高分辨率遥感影像建筑物变化检测”（Detecting building changes using multi-modal Siamese multi-task networks from very high resolution satellite images）研究成果，主要合作者包括研究院硕士生刘宣广和南京大学肖鹏峰教授。研究工作获得国家自然科学基金、福建省科技厅项目资助。

遥感影像变化检测是众多遥感监测应用的共性技术。高分辨率遥感影像建筑物变化检测存在两个关键问题：（1）检测结果与真实地物变化存在边界吻合度低的问题；（2）不同时相的高分辨影像存在获取时间、卫星姿态、拍摄角度等方面的差异，检测结果中存在明显伪变化的问题。针对这些问题，本研究提出了一个孪生多任务变化检测模型（SMCD-Net），基于多任务学习框架，构建一个融合建筑物边界信息的辅助任务，在高层级语义特征学习时自动约束建筑物边界信息，通过对建筑物及其阴影的方向性关系进行建模，挖掘因方向性差异引起的系统性误差，消除伪变化信息。经过三个数据集（公开数据集、中国GF-2卫星数据集、法国Pleiades卫星数据集）的验证以及与现有的七种变化检测方法进行对比，结果表明：SMCD-Net检测结果在几何和属性精度方面均获得了前沿性能（State-of-the-art）。

图1. 本文所提的建筑物变化检测框架

图2. 方向性关系建模示意图

图3. 变化检测结果对比分析

   论文引用：M. Li, X. Liu, X. Wang and P. Xiao, 2023. Detecting building changes using multi-modal Siamese multi-task networks from very high resolution satellite images, IEEE Transactions on Geoscience and Remote Sensing, doi: 10.1109/TGRS.2023.3290817 (Early Access).（论文链接：https://ieeexplore.ieee.org/document/10168143）