Многовременные гиперспектральные изображения благодаря богатству спектральных диапазонов и деталей изображения широко применяются в обнаружении изменений. Алгоритмы обнаружения изменений на основе контролируемого обучения часто зависят от большого количества размеченных образцов, что приводит к высоким затратам на разметку. В связи с этим в статье предлагается сеть JCDS²AN (Сеть объединенных центральных разностных признаков и спектрально-пространственного внимания) для обнаружения изменений в гиперспектральных изображениях. Эта сеть способна смягчить колебания признаков изменений при ограниченном количестве образцов, используя ограниченное количество размеченных данных для изучения представительных признаков изменений. JCDS²AN разработана с многомасштабными блоками спектрально-пространственного внимания для захвата многомасштабных пространственных и спектральных признаков, а также с использованием стратегии обмена центральных пикселей, направленной дифференциальными признаками, для эффективного взаимодействия между признаками изменений и признаками двух временных фаз. Проведено сравнение с 8 другими методами обнаружения изменений гиперспектра с визуальными и количественными экспериментами на 3 открытых наборах данных. Результаты подтвердили превосходство предложенной JCDS²AN над другими методами.

гиперспектральное изображение; дистанционное зондирование; обнаружение изменений; многомасштабные признаки; направленные дифференциальные признаки; центральный пиксель