一种改进CycleGAN的跨季节遥感影像域适应变化检测方法

本发明属于跨季节遥感影像变化检测技术领域，具体涉及一种改进CycleGAN的跨季节遥感影像域适应变化检测方法。该发明，通过分割一切模型与边界约束多尺度超像素分割，使源域与目标域影像在对象级结构上保持一致，有效减少因季节差异导致的地物破碎、纹理错位与样本对不齐问题，引入预训练ViT‑B高维语义特征与密度聚类算法，能够自动识别复杂遥感场景中的混合地物、阴影、光照异常等噪声样本，使源域训练集更加纯净，提高CycleGAN风格迁移训练稳定性，生成器融合多尺度残差块与自注意力模块，使迁移后的影像在色彩、纹理、季节特征上向目标域靠拢，同时通过语义一致性约束保持地物边界与结构不被破坏，从根本上解决跨季节变化检测中伪变化问题。