近日，实验室2025级博士生李志浩的一篇论文 “CAIFNet: Capturing Amplitude-Invariant Features for Remote Sensing Image Change Detection”(作者：李志浩，刘一锟，刘铭浩，闫文凯，杨公平)被IEEE Transactions on Circuits and Systems for Video Technology (TCSVT) 录用。TCSVT是人工智能与计算机视觉领域的权威期刊，CCF B类期刊，中科院一区TOP期刊，影响因子(IF)为11.1。

变化检测（CD）是遥感（RS）图像分析中的关键任务。近期用于CD的深度学习网络专注于分别挖掘双时相图像特征后识别变化。 然而，双时相图像的光照差异导致网络从相同对象中提取不同特征，可能引发伪变化。从傅里叶变换的角度，图像可分解为振幅和相位，其中振幅包含大部分光照信息，而相位与结构信息相关。因此， 振幅不变特征对识别双时相图像中的真实与伪变化至关重要。本文提出了一种提取振幅不变特征的网络(CAIFNet)，其降低了对振幅的依赖并捕捉多样化的振幅不变特征。首先，构建振幅预处理模块（APM），通过随机混合输入图像与参考图像的振幅并保持输入图像的相位恒定，生成多样化的处理图像。其次，设计四流编码器以捕捉振幅不变特征。具体而言，在CD任务导向约束下，基于多样化的处理图像，我们的CAIFNet被强制学习并捕捉振幅不变的局部细节与振幅不变的上下文语义，两者通过局部注意力引导策略（LGS）相互促进，提升准确性。