近日，我校信息科学与技术学院（网络空间安全学院）郑煜辰教师团队在卫星遥感影像水体变化检测研究取得新进展，相关成果以 FSSENet: A Foundation Model‑Based Semantic‑Structural Enhanced Network for remote sensing water body change detection（FSSENet：一种基于基础模型的语义—结构增强遥感水体变化检测网络）为题，发表于期刊 Pattern Recognition（中科院一区TOP，IF：9.1）。
遥感水体变化检测利用双时相遥感影像自动解译地表水体动态变化，该任务面临诸多现实挑战：水体语义特征复杂多变，现有主流模型难以充分捕捉水体复杂语义与空间连续性，在多样化背景干扰下检测效果容易退化。
针对以上问题，本文提出FSSENet基于基础模型的语义‑结构增强网络用于遥感水体变化检测。该框架充分挖掘基础模型通用语义先验，通过任务定制模块实现语义、结构信息协同增强。
- 使用参数冻结的基础模型从双时相影像提取高层通用特征，获得复杂水体变化场景完备语义表征；
- 设计**关联语义自适应融合（Associative Semantic Adaptive Fusion，ASAF）**模块，强化水体区域特征响应，与任务定制特征自适应融合，完成大模型知识向水体变化检测任务迁移；
- 引入**空间语义与连续性感知自注意力（SSCP）**进一步优化融合特征，联合建模空间语义关系与区域连续性，提升变化区域语义一致性、结构完整性。
在两套水体变化检测基准数据集实验表明，该方法对比主流算法具备更优检测性能；消融实验验证各个核心模块有效性与框架泛化能力。
FSSENet整体网络框架
ASAF关联语义自适应融合模块