1.一種邊緣引導(dǎo)的循環(huán)卷積神經(jīng)網(wǎng)絡(luò)建筑物變化檢測方法，其特征在于，包括：

1）針對不同時相的遙感圖像T₁和T₂進行多層次的特征提取，得到多個特征對f_1i和f_2i，其中f_1i為遙感圖像T₁在第i層提取得到的特征，f_2i為遙感圖像T₂在第i層提取得到的特征；

2）對各個特征對f_1i和f_2i計算差異特征并進行差異增強得到對應(yīng)的層差異分析結(jié)果p_i；

3）將各層差異分析結(jié)果p_i輸入到解碼器中通過對深層結(jié)果逐層上采樣并融合淺層結(jié)果，得到對應(yīng)層的解碼結(jié)果q_i；

4）將各層的解碼結(jié)果q_i輸入預(yù)先完成訓練的邊緣引導(dǎo)概率預(yù)測網(wǎng)絡(luò)得到多層次的變化概率圖和邊緣概率圖，選擇與遙感圖像T₁尺度大小相同的變化概率圖，并將選擇的變化概率圖進行二值化處理得到最終的檢測結(jié)果M；

步驟4）包括：

4.1）按照特征圖的大小將各層的解碼結(jié)果q_i分為兩組，得到尺寸較小的一組解碼結(jié)果和和尺寸較大的一組解碼結(jié)果；

4.2）將尺寸較小的一組解碼結(jié)果分別通過邊緣引導(dǎo)概率預(yù)測網(wǎng)絡(luò)中的1×1的卷積塊得到變化預(yù)測結(jié)果h_seg使用softmax分類器歸一化，輸出結(jié)果為多個不同層次的變化概率圖；將尺寸較大的一組解碼結(jié)果分別輸入邊緣引導(dǎo)概率預(yù)測網(wǎng)絡(luò)中的邊緣引導(dǎo)模塊EGM得到兩組不同層次的變化概率圖和邊緣概率圖；其中，輸入邊緣引導(dǎo)模塊EGM的尺寸較大的一組解碼結(jié)果中的每一個解碼結(jié)果的一個分支通過邊緣引導(dǎo)概率預(yù)測網(wǎng)絡(luò)中的1×1的卷積塊得到邊緣預(yù)測結(jié)果h_edge后使用softmax分類器歸一化得到邊緣概率圖，另一個分支與邊緣預(yù)測結(jié)果h_edge融合，融合結(jié)果通過1×1的卷積塊得到變化預(yù)測結(jié)果h_seg，且變化預(yù)測結(jié)果h_seg通過softmax分類器后輸出變化概率圖；

4.3）選擇與遙感圖像T₁尺度大小相同的變化概率圖，并將選擇的變化概率圖進行二值化處理得到最終的檢測結(jié)果M。