基于混合空间-频率专家的深度学习遥感变化检测方法

本发明涉及一种基于混合空间‑频率专家的深度学习遥感变化检测方法，包括：选用孪生ConvNeXt网络为空间域专家，提取双时影像粗‑细的空间域局部差异特征；选用孪生离散小波变换为频率域专家，提取双时影像高‑低频率域全局差异特征；聚合对应尺度局部‑全局的空频特征，构建多尺度的混合空频单体特征；设计随机混合空频单体融合模块，随机选不同空频特征进行融合并增强互补性，根据贡献权重，激活有效融合；随机选择混合空频单体以形成群体并进行概率化加权，自适应选择最优群体；构建轻量解码器，将增强的多尺度空频特征逐步恢复到原始图像的分辨率。本申请实现了跨域特征的互补优化，减少了无效参数，提高了遥感变化检测精度与速度。