基于多域特征学习的高光谱遥感影像变化检测研究

Multi-temporal hyperspectral image (HSI) change detection and analysis has widely applications on land resources management, monitoring, disaster rescue and so on. However, due to the characteristics of heterogeneity, mixing and noise interference in HSIs, the traditional HSI change detection theories and methods are facing great challenges. In this project, the research on the HSI style transformation will be carried out to overcome the problem of "same object with the different spectra" by exploring the imaging mechanism. Then, through mining the semantic information implied by different attributes, a new joint feature expression mechanism based on multi-domain decoupling will be established to represent the coordination and complementarity of the space-temporal-spectrum features of image sequences. Finally, a new unsupervised feature matching classification method based on discriminant siamese network will be proposed for remote sensing images to improve the robustness and generalization ability. The exploration of the unsupervised multi-domain feature learning in this project will provide great inspirations for the further understanding and interpretation of the HSI sequences with “same object with the different spectra” and “inter-class similarity but intra-class difference” issues.

多时相高光谱遥感影像变化检测在资源管理、土地监测和灾害救援等方面有着非常广泛的应用。然而，高光谱遥感影像数据呈现出的海量异构、地物混合、噪声干扰等特点，对传统高光谱遥感影像变化检测理论和方法造成了巨大挑战。为此，本项目拟深入探究高光谱遥感影像同物异谱现象的成像机理，构建基于稀疏解混重构的非线性影像风格迁移新模型，从而无监督地克服同物异谱现象的影响；充分挖掘不同属性像元暗含的语义关联信息，建立基于多域耦合的特征自适应表达新机制，实现影像序列时空谱特性的协同互补表征；积极开展时空谱多域联合特征匹配理论研究，提出基于判别孪生网络的遥感影像无监督特征匹配分类新方法，提升特征匹配网络的判别性和泛化能力。本项目将通过研究基于多域特征学习的高光谱遥感影像无监督变化检测的理论与方法，着力缓解遥感影像分类中的同物异谱以及类间相似、类内多样等共性问题，为周期性遥感影像序列的理解与解译提供新思路。

多时相遥感影像变化检测在资源管理、土地监测和灾害救援等方面有着非常广泛的应用。然而，高光谱遥感影像数据呈现出的海量异构、地物混合、噪声干扰等特点，对传统高光谱遥感影像变化检测理论和方法造成了巨大挑战。. 为此，按照项目研究计划，本项目深入探究了高光谱遥感影像的成像机理，通过开展高光谱遥感影像非一致噪声盲去噪研究，提出了基于半稠密网络多尺度学习的高光谱遥感影像盲去噪方法，为克服高光谱遥感影像变化检测中受噪声干扰导致的类内多样等问题奠定基础；提出了一种基于霍耶算子与四分之一范数约束的多层非负矩阵分解算法，一定程度上缓解了高光谱遥感影像变化检测中的同物异谱现象的影响。. 为克服多时相遥感影像变化检测中同物异谱现象的影响，在前述盲去噪和解混方法的基础上，提出了一种基于解混重构的高光谱风格迁移方法，并在此基础上提出了一种基于空谱联合特征学习的高光谱遥感影像变化检测模型；最后，通过结合特征差异和通道注意力机制，提出了一种基于差异注意力机制指导的变化检测算法，有效缓解了复杂背景下的变化特征判别性差的问题。. 基于上述研究成果，发表了高水平学术论文5篇，申请发明专利5项，培养硕士研究生4名，指导本科生毕业设计2名（包括1名外籍留学生）。在本项目相关理论和技术的支撑下，项目负责人还主持完成了JKW创新特区项目1项（XXX变化检测研究）、GF预研重点实验室基金1项（基于XXX变化检测研究，优秀结题），作为骨干参与了国家重点研发计划1项。将相关理论和技术成功推广应用于边境地区的敏感设施监测和城市洪涝灾害监测等场景中，进一步验证了本项目相关理论和技术的有效性和可推广性，为下一步落地应用奠定了坚实的基础。