نظرًا لتفاصيلها الطيفية الغنية والتفاصيل الصورية ، فإن الصور الطيفية المتعددة الأوقات لها تطبيقات واسعة في كشف التغيير. تعتمد خوارزميات كشف التغيير الطيفي العالي المعتمدة على التعلم الإشرافي غالبًا ما تعتمد على عدد كبير من العينات المعروفة ، مما يؤدي إلى تكاليف تسمية باهظة. يقترح هذا المقال شبكة (JCDS ² AN) التي تعتمد على ميزة الفارق المركزية المشتركة وانتباه الطيفي المكاني والتي يمكن استخدامها لكشف التغيير في الصور الطيفية المتعددة الأوقات ، مما يمكن أن يخفف من تقلبات ميزات التغيير تحت قيود العينات ، ويتيح تعلم ميزات التغيير الممثلة باستخدام عينات معلومة. في شبكة JCDS ² AN ، تم تصميم كتلة انتباه الطيف المكاني متعددة المقاييس لالتقاط ميزات متعددة المقاييس للمسافة والطيف ، وفي الوقت نفسه تمت مقترحة استراتيجية تبادل بكسل مركزي مختلف التوجيه لتوجيه ميزات الفارق وتبادل المعلومات الفعالة بين ميزات الفارق وميزات الوقتين. تشير النتائج البصرية والكمية للتجارب على ثلاث مجموعات بيانات عامة إلى أن JCDS ² AN المقترحة تفوق بشكل أفضل من الطرق الأخرى المتقدمة لكشف التغيير الطيفي العالي.

صور الطيفية المتعددة الأوقات؛ صور الاستشعار عن بعد الفضائي؛ كشف التغيير؛ ميزات متعددة المقاييس؛ توجيه ميزة الفارق؛ بكسل مركزي