GCMamba：一种基于Mamba网络的结构，结合图注意力机制和对比学习技术，用于遥感图像变化检测

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：GCMamba: A Mamba-based Network with Graph Attention and Contrastive Learning for Remote Sensing Image Change Detection

　　

摘要：

近年来，高分辨率遥感图像中的变化检测受到了广泛关注。然而，由于复杂场景的影响以及成像条件的差异，图像中普遍存在伪变化干扰，这容易导致误检测并影响后续应用。为了解决这个问题，本文提出了一种新的变化检测框架：GCMamba。该框架采用Mamba作为主干网络来模拟全局长距离依赖关系，并结合图注意力模块（GAM）来优化低级特征分布，从而增强对变化区域的关注能力。此外，引入了锚点引导的对比学习模块（ACLM），通过对比损失促进高级语义特征的类内聚合和类间分离，有效抑制了由光照和季节等因素引起的伪变化。在五个公共数据集LEVIR-CD、SYSU-CD、WHU-CD、CDD和DSIFN-CD上的实验表明，所提出的方法在多个评估指标上均优于当前主流方法，验证了其在高分辨率遥感图像变化检测任务中的有效性和鲁棒性。