Multitemporelle Hyperspektralbilder haben aufgrund ihres reichen spektralen Bereichs und der Detailbilder eine breite Anwendung in der Änderungserkennung. Hyperspektrale Änderungserkennungsalgorithmen, die auf Überwachungslernen basieren, hängen oft von einer großen Anzahl markierter Proben ab, was zu hohen Beschriftungskosten führt. In diesem Artikel wird ein Netzwerk (JCDS²AN) vorgeschlagen, das auf gemeinsamen zentralen differenziellen Merkmalen und spektral-räumlicher Aufmerksamkeit für die Änderungserkennung in hyperspektralen Bildern basiert, das Fluktuationen der Änderungsmerkmale bei begrenzten Stichproben mildern kann und es ermöglicht, repräsentative Änderungsmerkmale unter Verwendung begrenzter markierter Proben zu erlernen. Im JCDS²AN-Netzwerk sind mehrskalige spektral-räumliche Aufmerksamkeitsblöcke entworfen, um raum- und spektralübergreifende Merkmale in mehreren Maßstäben zu erfassen, und eine Strategie für den Austausch zentraler Pixel differenzieller Merkmale vorgeschlagen, um eine effiziente Interaktion zwischen differenziellen Merkmalen und zweizeitigen Merkmalen zu ermöglichen. Visuelle und quantitative Versuchsergebnisse an drei öffentlichen Datensätzen zeigen, dass das vorgeschlagene JCDS²AN anderen fortschrittlichen Methoden zur Hyperspektraländerungserkennung überlegen ist.

multitemporelle Hyperspektralbilder; Weltraumfernerkundungsbilder; Änderungserkennung; mehrskalige Merkmale; geführte unterschiedliche Merkmale; zentrale Pixel