基于多模态深度学习的遥感图像变化检测系统及方法

本发明涉及一种基于多模态深度学习的遥感图像变化检测系统及方法，该系统通过构建融合CNN、Transformer与注意力机制的孪生网络提升检测精度；采用多尺寸深度可分离卷积构建轻量化主干网络，结合软阈值化通道空间注意力机制自适应抑制噪声并增强特征表达；创新性引入Harr小波变换下采样保留高频细节，替代传统池化操作以减少信息损失；通过跨通道特征交换缓解孪生分支语义偏差，并利用Transformer编解码器建模长程依赖关系；解码阶段采用特征拼接与渐进式上采样策略强化边缘特征恢复；该系统在减少模型参数的同时，显著提升了遥感建筑物变化检测的精度与抗干扰能力，具备高效性与细节保持优势。