用于变化检测的不同空间和光谱分辨率多波段图像的鲁棒融合

变化检测的典型情景通常考虑通过相同模态传感器获取的两幅图像。然而，在某些特定情况下，如紧急状况，可用的唯一图像可能是通过不同类型的传感器获取的。更具体地说，本文解决了两幅具有不同空间和光谱分辨率的多波段光学图像之间的变化检测问题。这种传感器差异性在操作型变化检测背景下引入了额外的问题。为了缓解这些问题，经典的变化检测方法通常在独立的预处理步骤（例如重采样）之后应用，以使观测图像对具有相同的空间和光谱分辨率。然而，这些预处理步骤往往会丢弃相关信息。相反，本文提出了一种更有效地利用可用信息的方法，通过将两幅观测图像建模为两幅（未观测到的）潜在图像的空间和光谱版本，这两幅潜在图像具有相同的高空间和高光谱分辨率。由于它们覆盖同一场景，除了稀疏空间位置可能存在的变化外，这些潜在图像预计在全局上是相似的。因此，变化检测任务被设想为一种鲁棒的多波段图像融合方法，该方法强制估计的潜在图像之间的差异在空间上是稀疏的。该鲁棒融合问题被表述为一个逆问题，并使用高效的块坐标下降算法迭代求解。所提出的方法应用于具有模拟真实变化的真实全色/多光谱和高光谱图像。与最先进的变化检测方法的比较证明了所提策略的准确性。