摘要

遥感影像中的变化检测（Change Detection, CD）被公认为地球观测领域的一项关键任务，然而其通常面临数据复杂性高与变化区域微小之间的矛盾。为应对这一挑战，本文提出一种新型的频域-时域注意力网络（Frequency-Temporal Attention Network for CD, FTAN），该网络融合了两种先进模块：多维卷积频域注意力模块（Multidimensional Convolutional Frequency Attention module, MCFA）与交互注意力模块（Interactive Attention module, IAM）。其中，MCFA模块通过融合多尺度空间特征与频域特征，显著提升了模型对变化区域的敏感性；IAM模块则作为补充，用于聚合与类别相关的关键信息，并在不同时间阶段间进行交叉注意力信息的交互处理。MCFA与IAM的无缝集成，使FTAN网络在精准识别微小变化区域及边缘方面具备更强的能力。在LEVIR-CD与DSIFN-CD等公开数据集上的实验结果表明，该方法在F1分数与交并比（IoU）等关键指标上均优于现有主流模型。相关代码与预训练模型将开源发布于：https://github.com/chirsycy/FTAN。