Spectral-Frequency Domain Attribute Pattern Fusion for Hyperspectral Image Change Detection

作者：Chengle Zhou, Qian Shi, Jun Li, Xinchang Zhang · 发表于：National Remote Sensing Bulletin · 年份：2023 · DOI：10.11834/jrs.20232600 · 被引用次数：3 · 研究领域：Remote-Sensing Image Classification、Remote Sensing and Land Use

高光谱作为“图谱合一”的遥感技术，具有精细光谱和空间影像的地面覆盖观测与识别优势。然而，高光谱遥感数据的光谱信息表征以及空间信息的利用给双时相高光谱遥感图像变化检测任务带了巨大的挑战。为此，本文探讨了一种光谱-频域属性模式融合的高光谱遥感图像变化检测方法（Spectral-Frequency Domain Attribute Pattern Fusion， SFDAPF）。首先，本文设计了一种基于梯度相关性的光谱绝对距离，使双时相高光谱遥感图像像元对的属性模式从光谱信息表征方面得到了逐级量化。其次，本文基于傅里叶变换理论提出了一种变化像元属性模式显著性增强策略，从全局空间信息利用方面改善了变化与非变化属性像元对的可分性。然后，将全图属性模式显著性水平与梯度相关性的光谱绝对距离进行融合，得到变化检测的综合界定值。最后，依据虚警阈值确定双时相高光谱遥感图像变化检测的二值化结果。本文方法在开源的双时相高光谱遥感图像河流和农场数据集上进行了变化检测性能验证，结果表明：本文SFDAPF方法能够优于传统的和最新的变化检测方法，变化检测的总体精度在河流和农场数据集上分别达到了0.96508和0.97287（最高精度为1.00000），证明了本文方法的有效性。