倪良波，卢涵宇+，卢天健，丁蕾锭，卢 梅

(1.贵州大学 大数据与信息工程学院，贵州 贵阳 550025；2.中南大学 资源与安全工程学院，湖南 长沙 410083)

0 引 言

遥感影像中的变化检测是利用同一地区的两幅或多幅不同时间的遥感图像中大气、光谱、传感器信息，通过人工智能或数理统计等方法进行对比与分析，获得该地区的变换信息。变换检测技术是目前卫星遥感领域的重点之一，涉及到传感器成像、气候变化、概率统计、计算机科学等领域[1-3]。针对变化检测中的分割问题，YUAN等[4]提出了基于协同分割的变化检测技术，使用最大流、最小割函数进行图像分割，但是基于像素级的分割无法消除遥感影像中同物异谱、同谱异物的影响。XIAO等[5]提出基于超像素的协同分割变化检测，有效克服了椒盐噪声，但该方法忽略了超像素块之间的属性关系，使得效果不够理想。LYU等[6]提出使用卷积神经网络提取遥感影像抽象特征，得到两时相遥感影像时间相关性，最后得到变化检测结果。针对特征提取的问题，SUN等[7]提出SVM和多特征融合的方法，该方法基于像素点的特征提取，会受到噪声等影响。GONG等[8]从图像分割和特征提取得到的变化检测预分类图中获取训练样本，使用深度学习训练得到变化检测图，该方法特征提取较少，得到的预分类图缺少空间等结构信息。YAN等[9]得到的变化检测图缺少后处理，影响变化检测精度。GONG等[10]提出基于FCM分类器的预分类方法，该方法的预分类效果受到分类精度的影响较大。……