二值变化引导的高光谱多类变化检测
图像与视频处理
2021-12-14 v2 计算机视觉与模式识别
摘要
高光谱图像以海量光谱信息为特征，能够检测细微变化并区分不同的变化类别以进行变化检测。然而，近期以高光谱二值变化检测为主的研究工作无法提供精细的变化类别信息。大多数结合光谱解混的高光谱多类变化检测（HMCD）方法则存在忽略时间相关性和误差累积的问题。本研究提出了一种无监督的二值变化引导高光谱多类变化检测网络（BCG-Net），旨在利用成熟的二值变化检测方法提升多类变化检测结果和解混结果。在 BCG-Net 中，设计了一个新颖的部分孪生联合解混模块用于多时相光谱解混，并开发了一个由二值变化检测结果伪标签指导的突破性时间相关性约束，从变化检测的角度引导解混过程，促使未变化像元的丰度更连贯、变化像元的丰度更准确。此外，提出了一种创新的二值变化检测规则，以解决传统规则易受数值影响的问题。提出了光谱解混过程与变化检测过程的迭代优化，以消除从解混结果到变化检测结果的累积误差和偏差。实验结果表明，我们提出的 BCG-Net 在多类变化检测中能达到与最先进方法相当甚至更优的性能，同时获得更好的光谱解混结果。
引用
@article{arxiv.2112.04493,
title = {Binary Change Guided Hyperspectral Multiclass Change Detection},
author = {Meiqi Hu and Chen Wu and Bo Du and Liangpei Zhang},
journal= {arXiv preprint arXiv:2112.04493},
year = {2021}
}
备注
14 pages,17 figures