来源:IEEE TGRS 2018
原文:https://ieeexplore.ieee.org/document/8418840
论文题目:GETNET: A General End-to-End 2-D CNN Framework for Hyperspectral Image Change Detection
Introduction
全球变化的全面认识能够为地球演化提供及时、准确信息。变化检测是识别多时相遥感影像的差异性分析的主要方法,在土地覆盖制图、自然灾害监测、资源勘查等方面有着重要的应用。完整的变化检测处理过程主要分为三个步骤:1)图像预处理,对多时相图像进行空间和辐射处理,进行几何校正、辐射校正和降噪;2)差分图像生成,其中差分是通过对多时间图像的变化区域和不变区域进行对比获得的图像;3)使用一种分类模型对差分图像进一步分类。本文中。作者主要是研究高光谱图像的变化检测。
高光谱图像具有以下三个问题:(1)像素混合问题(2)图像高维问题(3)当前可用的高光谱变化检测数据集比较少。针对上述三个问题,作者提出了以下解决方案:
1)提出了一种简单有效的混合亲和矩阵(Mixed-affinity matrix),以更好地挖掘空间像素上两个对应谱向量之间的变化模式。与以前的方法不同,混合亲和矩阵将两个一维像素矢量(光谱信息)转换为二维矩阵,用于变化检测任务,提供了更丰富的梯度信息。此外,混合亲和矩阵可以有效地同时处理多源数据,有利于GETNET更好地学习光谱之间的代表性特征。
2)为了提高HSI-CD算法的泛化能力,开发了一种基于二维CNN的端到端框架(GETNET)。GETNET是第一个将HSI和丰度图融合在一起处理不同复杂因素引起的变化的网络模型。该方法在所有四个数据集上都优于其他方法。此外