リモートセンシングによる変化検出は、地表の変化情報を取得でき、人と自然の相互作用を理解し、持続可能な発展を促進するうえで重要な意義を持つ。リモートセンシング画像技術の向上とコンピュータサイエンスの急速な発展に伴い、ハイパースペクトル、高時間分解能、高空間分解能のリモートセンシング画像が広く応用され、深層学習を用いたリモートセンシング変化検出の発展と多分野での成功した応用が促進されている。従来のリモートセンシング変化検出とは異なり、深層学習に基づく変化検出はリモートセンシング画像の深い差分特徴を抽出し、特徴エンジニアリングを構築する必要がなく、検出精度と効率が向上している。本稿は文献計量学を組み合わせて本分野の研究現状とホットスポットを包括的に分析し、国内の機関や研究者の主導により深層学習に基づく変化検出が急速に発展し、多くの研究成果を挙げていることを明らかにした。これらの成果は高解像度画像とCNNネットワークに基づき、土地利用／被覆や建築物の変化検出などに成功裏に応用されている。これを基に、ピクセル、オブジェクト、シーンの3つの粒度で深層学習に基づくリモートセンシング変化検出手法を分類紹介し、ピクセル、オブジェクト、シーンの特徴抽出および後続のネットワーク解析過程を説明し、オブジェクトおよびシーンに基づく手法が優位性を持つことを示した。最後に、現在直面している課題と将来の可能性のある展望を総括した。リモートセンシングプラットフォームの発展と応用ニーズの増加に伴い、多モーダル異種変化検出が今後の発展傾向である。また、深層学習手法は非理想的なサンプルの問題を克服し、多様な変化情報の取得に注力し、変化検出の幅広い応用の推進が求められている。

リモートセンシング;変化検出;深層学習;文献計量;方法分類;課題と展望;総覧