Die Erkennung von Veränderungen in Rasterbildern mit doppeltem zeitlichem Maßstab ist ein wichtiger Zweig der intelligenten Untersuchung und Anwendung von Rasterbildern, mit dem Ziel, Informationen über die Veränderungen von Bodenbedeckungstypen oder Objektmerkmalen im selben überwachten Bereich über einen bestimmten Zeitraum zu erhalten. Angetrieben durch Rasterdaten (insbesondere die Verbreitung und Akkumulation von hochauflösenden Rasterbildern) und Deep Learning, durchlaufen die Technologien zur Erkennung von Änderungen in Rasterbildern eine schnelle Evolution. In diesem Zusammenhang fasst dieser Artikel typische Algorithmen und die neuesten Entwicklungen in der Erkennung von Änderungen in hochauflösenden Rasterbildern mit doppeltem zeitlichem Maßstab zusammen, darunter die Erkennung binärer Änderungen, die semantische Erkennung von Änderungen, die Bewertung von Gebäudeschäden, die Beschreibung von Änderungen und andere häufige Aufgaben; und betrachten dann die wichtigsten Forschungstrends in der Erkennung von Änderungen in Rasterbildern und heben die bestehenden Probleme und Herausforderungen im aktuellen evolutionären Kontext hervor, um Anhaltspunkte für zukünftige relevante Forschungsarbeiten zu liefern.

hochauflösende Rasterbilder; Rasterbilder mit doppeltem zeitlichen Maßstab; Deep Learning; Änderungserkennung; Literaturübersicht