Imagens hiperespectrais multitemporais são amplamente utilizadas na detecção de mudanças devido à sua riqueza em bandas espectrais e detalhes de imagem. Algoritmos de detecção de mudanças hiperespectrais baseados em aprendizado supervisionado frequentemente dependem de uma grande quantidade de amostras rotuladas, resultando em altos custos de anotação. Portanto, este artigo propõe uma rede JCDS²AN (Rede Conjunta de Características de Diferença Central e Atenção Espectral-Espacial) para detecção de mudanças em imagens hiperespectrais. Essa rede pode aliviar a flutuação das características de mudança sob amostras limitadas e aprender características de mudança representativas usando amostras rotuladas limitadas. O JCDS²AN projetou blocos de atenção espectral-espacial multiescala para capturar características espaciais e espectrais multiescala, além de propor uma estratégia de troca de pixels centrais orientada por características diferenciais para realizar uma interação eficiente entre características diferenciais e características de duas fases temporais. Foi realizada uma comparação com outros 8 métodos de detecção de mudanças hiperespectrais, com experimentos visuais e quantitativos em 3 conjuntos de dados públicos. Os resultados da validação mostram que o JCDS²AN proposto supera outros métodos de detecção de mudanças hiperespectrais.

imagens hiperespectrais; imagens de sensoriamento remoto; detecção de mudanças; características multiescala; orientação de características diferenciais; pixel central