基于时空特征相关性建模的高光谱遥感影像变化检测方法研究  

Hyperspectral Remote Sensing Image Change Detection Method Based on Spatiotemporal Feature Correlation Modeling

作　　者：胡美琪 HU Meiqi(State Key Laboratory of Information Engineering in Surveying,Mapping and Remote Sensing,Wuhan University,Wuhan 430079,China)

机构地区：[1]武汉大学测绘遥感信息工程国家重点实验室,湖北武汉430079

出　　处：《武汉大学学报（信息科学版）》2024年第6期1051-1051,共1页Geomatics and Information Science of Wuhan University

摘　　要：目前基于深度学习的高光谱遥感影像变化检测在空间光谱特征挖掘方面取得了较大进展,但仍存在大范围场景感知能力不足的问题。此外,目前大多算法面向二类变化检测任务,传统的多类变化检测算法面临单一时相的地物类别信息与跨时相的地物类别变换信息不一致,变化检测误差积累严重的问题;同时完备的训练样本标注获取困难,增加了模型在实际当中的应用阻力。多时相高光谱遥感影像变化检测蕴含了丰富的地物时空特征相关性,地物分布呈现局部聚集和大范围弥散的特点,具有局部和全局空间相关性;同一地物在不同时期保持语义信息不变,表现为时序一致性;不同时期的地物演变具有较强的时序相关性。时空特征相关性为深度学习算法嵌入地学先验,可引导模型学习可解释性强、可靠性高的决策规则,更好地适应任务需求。

关 键 词：变化检测 高光谱遥感影像 深度学习算法 特征挖掘 可解释性 决策规则 时序一致性 语义信息 

分 类 号：TP751[自动化与计算机技术—检测技术与自动化装置]