Многовременные гиперспектральные изображения из-за их богатого спектрального диапазона и изображений деталей имеют широкое применение в области обнаружения изменений. Алгоритмы обнаружения изменений на основе надзорного обучения в гиперспектральных изображениях часто зависят от большого числа размеченных образцов, что приводит к высоким затратам на разметку. В данной статье предлагается сеть совместных центральных различительных признаков и пространственно-спектрального внимания (JCDS²AN) для обнаружения изменений в гиперспектральных изображениях, которая может смягчить флуктуации признаков изменений при ограниченных образцах и позволяет извлекать репрезентативные характеристики изменений с использованием ограниченных размеченных образцов. В JCDS²AN сети разработаны многомасштабные блоки пространственного спектрального внимания для захвата многомасштабных признаков пространства и спектра, а также предложена стратегия обмена пикселями различительных признаков центральных точек для эффективного взаимодействия различительных признаков и признаков двух времен. Визуальные и количественные результаты экспериментов на трех открытых наборах данных показывают, что предложенная JCDS²AN превосходит другие передовые методы обнаружения гиперспектральных изменений.

многовременные гиперспектральные изображения; изображения дистанционного зондирования Земли; обнаружение изменений; многомасштабные признаки; руководящие различительные признаки; центральные пиксели