随着遥感技术的发展，近几年卫星遥感已经实现了能够为地球表面几乎每个角落都能提供大量的地理图像的能力。当前遥感图像数据仓库每天都在增加不同光谱和分辨率的数据。遥感图像的空间分辨率、光谱分辨率和时间分辨率不断的提高，伴随着社会需要的日益增加，空间技术发展，遥感技术和遥感影像监测将广泛应用于不同领域。本文提出一种孪生融合网络下建筑物变化检测方法，该方法首先利用双支孪生网络感知不同时相不同传感器组合下的建筑物变化特征，在完成建筑物变化语义特征感知后，然后抽取孪生网络中的不同层次特征并将不同层次特征进行多尺度融合，最后，实现建筑物变化信息的提取。该方法能够抑制复杂场景条件所造成的特征差异，获取多层次全局上下文信息，建立高层次与低层次特征关系，在保持目标细节特征与完整性的同时，实现建筑物目标的高精度提取。本文利用该网络模型实现高分遥感影像建筑物智能提取，并通过一系列的实验和相关分析表明本文的方法对单分类建筑物提取效果良好，在OA、F1和IOU三种精度评价指标上分别为98.73%、92.04%和84.13%。相比其他深度学习的语义分割算法，能在保持较高分类精度的同时，有效地识别大部分建筑物变化区域。

 

建筑物；变化检测；多层次特征