多時期の高スペクトル画像は、その豊富なスペクトルバンドと画像の詳細により、変化検出に広く利用されている。教師あり学習に基づく高スペクトル変化検出アルゴリズムは、多量のラベル付きサンプルに依存する傾向があり、ラベル付けコストが高いという問題がある。そこで本稿では、高スペクトル画像変化検出のためのJCDS²AN（結合中心差分特徴とスペクトル・空間注意ネットワーク）を提案する。本ネットワークは、制限されたサンプル環境下での変化特徴の揺らぎを緩和し、限られたラベル付きサンプルから代表的な変化特徴を学習できる。提案したJCDS²ANは、多尺度のスペクトル・空間注意ブロックを設計し、空間およびスペクトルの多尺度特徴を捉え、差分特徴誘導の差分中心ピクセル交換戦略を提案し、差分特徴と二時相特徴の効率的な情報交換を実現する。また、他の8種の高スペクトル変化検出手法と比較し、3つの公開データセットにおいて視覚的および定量的実験で検証した。検証結果は、提案するJCDS²ANが他の高スペクトル変化検出手法を上回ることを示した。

高スペクトル画像;リモートセンシング画像;変化検出;多尺度特徴;差分特徴誘導;中心ピクセル