Multitemporale hyperspektrale Bilder finden aufgrund ihrer reichen spektralen Bänder und Bilddetails breite Anwendung in der Änderungsdetektion. Hyperspektrale Änderungsdetektionsalgorithmen auf Basis überwachtem Lernen sind oft auf eine große Menge gelabelter Proben angewiesen, was zu hohen Annotationskosten führt. Daher schlägt dieser Artikel ein Netzwerk namens JCDS²AN (Gemeinsames zentrales Differenzmerkmal und spektral-räumliche Aufmerksamkeit Netzwerk) zur Hyperspektralbild-Änderungsdetektion vor. Dieses Netzwerk kann Fluktuationen der Änderungsmerkmale bei begrenzten Proben mildern und repräsentative Änderungsmerkmale unter Verwendung begrenzter gelabelter Proben erlernen. JCDS²AN entwirft mehrskalige spektral-räumliche Aufmerksamkeitseinheiten zur Erfassung mehrskaliger räumlicher und spektraler Merkmale und schlägt eine differenzmerkmalgeführte zentrale Pixeltauschstrategie vor, um einen effizienten Informationsaustausch zwischen Differenzmerkmalen und zwei Zeitphasenmerkmalen zu ermöglichen. Ein Vergleich mit acht anderen hyperspektralen Änderungsdetektionsmethoden wurde durchgeführt, mit visuellen und quantitativen Experimenten auf drei öffentlichen Datensätzen. Die Ergebnisse zeigen, dass das vorgeschlagene JCDS²AN andere hyperspektrale Änderungsdetektionsmethoden übertrifft.

hyperspektrales Bild; Fernerkundungsbild; Änderungsdetektion; mehrskalige Merkmale; differenzmerkmalgeführte Merkmale; zentrales Pixel