원격 탐지 변화 검출은 지표 변화 정보를 획득할 수 있으며, 인간과 자연 간 상호작용을 이해하고 지속 가능한 발전을 촉진하는 데 중요한 의미를 가진다. 원격 탐지 영상 기술의 발전과 컴퓨터 과학의 빠른 발전과 함께 고분광, 고시간, 고공간 해상도의 원격 탐지 영상이 널리 활용되어 심층 학습 기반 원격 탐지 변화 검출의 발전과 다분야 성공 적용을 촉진하였다. 기존의 원격 탐지 변화 검출과 달리, 심층 학습 기반 변화 검출은 원격 탐지 영상의 심층 차별 특성을 추출하며 특징 공학을 구축할 필요가 없어 검출 정확도와 효율성이 모두 향상되었다. 본 논문은 문헌계량학을 결합하여 이 분야 연구 현황과 핫이슈를 종합 분석하였으며, 국내 기관 및 학자를 중심으로 심층 학습 기반 변화 검출이 빠르게 발전하고 많은 연구 성과를 이루었음을 발견하였다. 이들 성과는 주로 고분해능 이미지와 CNN 네트워크를 기반으로 하며 토지 이용/피복 및 건축 변화 검출 등에 성공적으로 적용되었다. 이에 기초하여, 픽셀, 객체 및 장면의 세 가지 해상도로 심층 학습 기반 원격 탐지 변화 검출 방법을 분류하고, 픽셀, 객체, 장면의 특징 추출 및 후속 네트워크 분석 과정을 설명하였으며 객체 및 장면 기반 방법이 우수함을 밝혔다. 마지막으로, 현재 직면한 도전 과제와 향후 가능한 발전 방향을 요약하였다. 원격 탐지 플랫폼 발전과 응용 수요 증가로 다중모달 이종 변화 검출이 미래 발전 추세이다. 또한, 심층 학습 방법은 비이상 샘플 문제를 극복하고 다원적 변화 정보 획득에 주목하며 변화 검출의 광범위한 응용을 추진해야 한다.

원격 탐지; 변화 검출; 심층 학습; 문헌계량학; 방법 분류; 도전과 발전; 개관