FD-SC：一种基于焦点-扩散自对比框架的技术，能够高效地实现遥感建筑损伤检测

《ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING》：FD-SC: focus-diffusion self-contrastive framework empowers efficient remote sensing building damage detection

高效建筑损坏检测框架FD-SC通过融合监督与自监督信号提升损伤特征表征，优化推理效率与数据利用率。FDN网络模拟人类视觉选择性关注机制，实现动态稀疏计算与特征扩散，SCL模块利用单特征语义关联构建对比样本，减少标注依赖。在Gaza和GE数据集上F1值分别提升1.59%和1.34%，参数仅3.34M，推理速度达39.92 FPS，且验证了小样本与跨场景泛化能力。

　　

魏莉|张海明|郑慧宇|张永贤|郑亚琳|范伦军|马国瑞

中国武汉大学测绘与遥感信息工程国家重点实验室，武汉430079

摘要

基于遥感图像的高效建筑物损伤检测（BDD）对于快速准确的灾害评估至关重要。然而，现有方法在准确性和推理效率之间难以取得平衡，并且严重依赖大量标注数据。这与实际灾害场景中对高精度、高时间敏感性和有限资源的需求相矛盾。为了解决这些挑战，本研究提出了Focus-Diffusion Self-Contrastive（FD-SC）框架，该框架通过融合监督学习和自监督信号来增强损伤特征表示，同时提高推理效率和数据利用效率。该框架由Focus-Diffusion Network（FDN）和Self-Contrastive Learning（SCL）组成。FDN模拟了人类视觉系统的选择性注意力机制，以实现动态稀疏计算和特征扩散，从而提高推理效率。同时，提出了轻量级的差异感知和多尺度交互机制来进一步增强损伤特征表示。此外，SCL避免了复杂的数据增强和预训练，它利用单个特征内的语义相关性来构建自对比学习所需的对比样本，从而提高数据利用效率。此外，本研究构建了一个包含35,939栋受损建筑物的高分辨率加沙数据集。在GE数据集（全球地震数据集）和加沙数据集上的实验表明，FD-SC的F1分数分别提高了至少1.34%和1.59%。而且FD-SC仅包含3.34百万个参数和4.25千兆浮点运算次数（FLOPs），推理速度达到39.92帧每秒。此外，少量样本实验验证了其在数据稀缺条件下的鲁棒性，而在夏威夷野火上的迁移实验验证了其强大的泛化能力。

引言

近年来，自然灾害和人类冲突在全球范围内呈现出越来越高的频率和复杂性。这类事件往往在短时间内对城市建筑环境造成大规模破坏。灾后快速监测和准确评估建筑物损伤可以为救援部署、资源分配和重建决策提供重要依据（Li等人，2026年；Zhang等人，2024年；Zheng等人，2021年）。然而，传统的地面检查往往效率低下，无法满足快速灾后响应的实际需求。在这种情况下，遥感图像成为灾害应急响应的关键数据来源，因为它们具有广泛的覆盖范围、快速获取能力和不受地面条件影响的特点（H. Wang等人，2025a；Wiguna等人，2024年）。

建筑物损伤检测（BDD）通常通过分析灾前灾后获取的双时相遥感图像来进行。其目标是自动识别发生显著结构变化的建筑物。随着高分辨率遥感图像的日益普及和深度学习方法的快速发展，BDD在准确性方面取得了显著提升。基于CNN、Transformer或Mamba架构的变化检测（CD）模型能够有效捕捉灾前灾后图像之间的复杂非线性差异（Li等人，2026年；Qing等人，2022年；D. Wang等人，2025b年）。这些方法已在xBD、CEBD和CWBD等数据集上得到验证（Gupta等人，2019年；Zhang等人，2024年）。在完全监督的条件下，这些方法表现出强大的特征表示能力。然而，在实际的灾害应急场景中，BDD面临的挑战不仅仅是准确性问题。灾后评估对时间非常敏感，因此需要模型在有限的计算资源下快速进行推理，以支持近乎实时的灾害分析（J. Chen等人，2022a；Li等人，2025年）。同时，在灾后初期，高质量的像素级标注数据往往稀缺，特别是在大规模灾害或冲突地区，手动标注的成本过高且耗时（C. Wang等人，2024a；Z. Wang等人，2024b）。因此，高精度和有限资源的矛盾需求对实际BDD应用中的推理效率和数据利用效率造成了双重限制。

为了解决上述问题，现有研究主要沿着两个方向发展。一类方法以模型效率为主要目标，关注网络架构和计算模式。通常采用轻量化设计或知识蒸馏来降低计算复杂性，以满足快速推理的需求（Bai等人，2023年；Yang和Feng，2025年）。这些方法通常假设有足够的标注样本，其在完全监督条件下性能稳定。然而，当标注样本有限或灾害类型发生变化时，检测准确性往往会显著下降。另一类方法从数据效率出发，引入自监督、弱监督或半监督学习策略来减少对大规模像素级标注的依赖（Oludare等人，2021年；Qiao等人，2024年；Xia等人，2022年）。然而，这些方法中的模型架构通常没有针对推理效率进行优化。一些方法甚至在训练过程中引入了额外的教师网络，进一步增加了模型设计和训练的复杂性（Han等人，2024年；Lu等人，2024年）。总体而言，现有方法主要孤立地优化模型架构或训练范式，这限制了它们在实际灾害应急场景中的适用性。

此外，从变化特征表示的角度来看，现有研究仍存在几个共同的限制。大多数方法依赖于灾前灾后特征的直接差异或拼接来表征建筑物损伤变化（Alisjahbana等人，2024年；Gomroki等人，2025年；Zhang等人，2024年）。然而，这种变化建模策略容易受到成像条件差异、视角变化和背景干扰的影响。当标注样本有限时，这个问题更加突出。为了增强变化表示能力，许多方法引入了复杂的注意力机制或多尺度特征融合模块（Hou等人，2024年；J. Wang等人，2024c）。尽管这些设计在一定程度上提高了检测准确性，但也显著增加了模型参数大小和计算开销。因此，如何在避免过于复杂的结构设计的同时保持变化特征的区分能力，仍然是当前BDD研究中的一个开放且关键的问题。

为了解决平衡BDD准确性、推理效率和数据利用效率的难题，我们提出了Focus-Diffusion Self-Contrastive（FD-SC）框架。该框架由轻量级的Focus-Diffusion Network（FDN）和Self-Contrastive Learning（SCL）共同组成。其目标是在有限的计算资源和标注样本下实现高效且稳健的BDD。具体来说，本研究的贡献总结如下：

(1) 本研究提出了Focus-Diffusion Convolution（FD Conv），该机制受到人类视觉系统稀疏注意力机制的启发，并基于此构建了FDN。FDN在不引入复杂架构设计的情况下，有效建模了关键受损区域，显著提高了推理效率。

(2) 本研究提出了Zero-parameter Difference Perception Module（ZDPM）和Multi-scale Information Interaction Module（M2IM）来增强损伤特征表示。具体来说，ZDPM在不引入可学习参数的情况下增强了变化感知能力，而M2IM提高了对不同尺度受损区域的建模能力。

(3) 本研究提出了Self-Contrastive Learning（SCL），它利用单个特征内的语义相关性为FDN提供额外的自监督信号。SCL无需依赖数据增强或预训练，也不增加推理成本，有效提高了FDN的数据利用效率，减少了对大量标注样本的依赖。

(4) 本研究基于高分辨率遥感图像构建了加沙数据集，为复杂冲突场景下的BDD评估提供了新的基准。此外，所提出方法的有效性在该数据集和公开可用的GE数据集上得到了验证。

部分摘录

变化检测

在遥感领域，BDD通常被视为CD的一个代表性应用。早期的CD方法主要依赖于手动设计的特征和基于规则的决策策略。例如，基于光谱或纹理变化的光图像差异方法（Goswami等人，2022年；Zheng等人，2014年），以及传统的机器学习方法，如随机森林或支持向量机（Pande，2022年；Volpi等人，2013年）。这些方法可以实现合理的

概述

如图1所示，FD-SC由提出的FDN和SCL组成。FDN是基于提出的FD Conv构建的轻量级模型。FD Conv受到人类视觉系统选择性注意力机制的启发，动态选择特征图中的显著焦点区域进行稀疏计算，以降低计算复杂性，然后通过物理扩散保持空间连续性。此外，FDN进一步整合了轻量级的ZDPM和M2IM来增强变化特征和多尺度

数据集

为了验证FD-SC的优越性，我们在三个数据集上进行了实验。首先，使用著名的LEVIR-CD数据集对FD-SC进行了基准测试（Chen等人，2020年）。其次，使用GE数据集评估FD-SC在自然灾害场景中的BDD性能（Zhang等人，2024年）。最后，为了评估FD-SC在人类冲突场景中的BDD性能并丰富该领域的研究数据，我们构建了加沙数据集。这三个数据集都被划分为训练集、

消融实验

为了评估FD-SC中每个核心组件的贡献，我们进行了消融研究，如表3所示。可以看出，当同时使用SCL、M2IM和ZDPM时，模型在GE和加沙数据集上都取得了最佳性能，表明这三个组件之间存在显著的协同效应。就单个组件的贡献而言，移除任何一个组件都会导致性能下降。其中，移除M2IM的影响最大，$F1$

结论

为了提高遥感图像中建筑物损伤检测的准确性和效率，本研究提出了一个Focus-Diffusion Self-Contrastive框架（FD-SC）。该框架由Focus-Diffusion Network（FDN）和Self-Contrastive Learning（SCL）组成。FDN基于Focus-Diffusion Convolution（FD Conv）构建，该机制受到人类视觉系统选择性注意力机制的启发，通过稀疏计算和特征提取实现了高效的损伤特征提取

CRediT作者贡献声明

魏莉：写作——审阅与编辑，撰写——初稿，可视化，验证，方法论，数据分析，概念化。张海明：方法论，数据分析。郑慧宇：写作——审阅与编辑，撰写——初稿。张永贤：写作——审阅与编辑，撰写——初稿。郑亚琳：写作——审阅与编辑，撰写——初稿。范伦军：写作——审阅与编辑，撰写——初稿。马国瑞：监督，

利益冲突声明

作者声明他们没有已知的可能会影响本文报告工作的竞争性财务利益或个人关系。

致谢

本工作得到了广西科技重大项目（AA22068072）、目标脆弱性评估国防工程研究所开放研究基金（AMS（YSX2024KFPG005）和国家自然科学基金（42501591）的支持。