一种基于原型分析和卷积神经网络的高光谱变化检测方法

摘要

本发明公开了一种基于原型分析和卷积神经网络的高光谱变化检测方法，方法包括：对待检测的两个时相位的高光谱图像进行预处理，得到观测数据；基于噪声白化处理，对观测数据进行虚拟维数估计，得到估计值；根据第一估计值和第二估计值，确定地物变化情况；通过松弛因子对观测数据进行光谱解混，得到目标丰度矩阵；基于目标丰度矩阵，计算得到亲和矩阵；基于亲和矩阵，通过训练好的网络模型得到变化检测结果。本发明通过引入松弛因子进行光谱解混，以提高通用性，并虚拟维数方法对图像的地物类别进行预估计，在传统的变化检测流程中加入了地物类别变化的分析，提高了变化检测结果的可解释性，可广泛应用于变化检测技术领域。