摘要
遥感变化检测对于评估灾害影响、城市监控和土地利用分析至关重要。然而，现有方法主要依赖单一的差异表示。这往往导致判别能力受限和伪变化伪影。与此同时，变化区域与非变化区域之间的类别不平衡进一步导致了向背景区域的优化偏差。鉴于上述问题，我们提出了一种新型遥感变化检测网络，名为 TFSANet。首先，设计了一个时间特征融合模块（TFFM），旨在通过自适应门控编码模型的多维度时间特征。它可以缓解传统差异主导建模策略中存在的特征多样性受限和虚假响应问题。其次，提出了像素 - 区域平衡（PRB）损失，以实现更稳定和准确的检测。它共同优化了像素级分类和区域级结构连贯性，有助于抑制背景干扰并增强对稀疏变化区域的学习。在多个公共数据集上的实验表明，与现有方法相比，我们的方法达到了最先进（SOTA）的性能。
