文献 | 光学遥感影像深度学习变化检测技术：现状、前景与挑战

变化检测（Change Detection, CD）（图1）旨在对相同地理区域但不同日期的影像进行比较和分析，从而揭示地表的时空变化模式。随着高分辨率地球观测项目的实施，集成天地一体化的观测系统不断发展和完善。大量多模态、多角度和多分辨率遥感数据的积累极大地丰富了变化检测的数据来源。其中，高分辨率光学遥感影像包含丰富的空间细节信息，使得精细场景的解译成为可能，显著扩展了变化检测的应用广度和深度。传统的光学遥感变化检测方法通常步骤繁琐且自动化程度较低，而基于人工智能（AI）的变化检测方法具备强大的特征提取和非线性建模能力，从而在许多方面具有传统方法无法比拟的优势，成为变化检测领域的主流方法。

图 1. 变化检测工作流程示意图

该文综述了光学遥感影像变化检测的数据集、理论和方法（图2），并从算法粒度的角度对基于深度学习范式的人工智能变化检测算法进行了全面分析。进一步对典型算法的性能进行了深入评估。最后，总结了AI时代变化检测算法面临的挑战与发展趋势，旨在为相关研究人员提供重要的指导和启示。

图 2. 该文的组织结构图。