21世纪以来,中国的城市化发展进入加速期,建筑物作为最活跃的城市要素,出现了大量新建以及改建,准确高效的建筑物特征表达以及变化信息提取对于城市规划、国土资源管理等具有重要意义。遥感技术在新世纪的迅猛发展为建筑物特征表达与变化检测提供了大量数据,对于如何有效利用数据提出了巨大挑战。目前,利用神经网络可以对建筑物高层、低层特征进行表达,但是无法确定网络如何构建特征,特征表达不全面,建筑物特征表达能力不足。在时序数据的建筑物变化检测中,前后时相影像在不同时间拍摄,成像时会存在光照、季节等变化的影响,存在“同谱异物,同物异谱”的现象,并且网络采用小块影像训练,空间上下文信息缺乏。针对第一个问题,本文提出了融合注意力机制的遥感影像建筑物深度特征表达框架,该框架以Resnet18为基础网络,分别将4种注意力模块加入Resnet18网络中的残差模块之间,提出了空间注意Resnet、通道注意Resnet、混合注意Resnet、位置注意Resnet。针对第二个问题,本文提出了金字塔时空注意力Resnet网络:首先改进Resnet网络,将多层特征融合;然后将特征图通过时空注意力模块,相比于不参考任何时空依赖关系的网络,时空注意模块计算不同时间位置任意两个像素之间的关系权重,产生更具差别性的特征,并且引入金字塔结构,提取多尺度特征,最终通过分类得到建筑物变化检测结果。本文选择武汉大学发布的新西兰建筑物识别及变化检测数据开展研究。在特征表达方面,以计算分类精度的方式对建筑物特征表达效果进行评价,使用Resnet18网络的建筑物特征表达的精确率、召回率、交并比为92.62%、91.38%、85.18%,在Resnet18网络基础上融合注意力机制,其中精度最高的方法为融合位置注意力机制的建筑物特征表达,其正确率、召回率、交并比为94.69%、93.72%、89.06%,相较于Resnet18网络,正确率、召回率、交并比分别提高2.07%、2.34%、3.88%。试验表明位置注意力机制可以有效地提高建筑物特征表达能力。在变化检测方面,在位置注意力机制基础上构建的金字塔时空注意力网络的召回率、F1分数、交并比分别为94.79%、92.19%、85.52%,相比于仅使用Resnet18网络的召回率65.70%、F1分数76.09%、交并比61.41%,精度有极大提升。