计算机科学与探索

作者：詹天明, 宋博, 孙乐, 万鸣华, 杨国为

单位：1.南京审计大学 信息工程学院,南京 211815；2.南京审计大学 审计信息工程与技术协同创新中心,南京 211815；3.南京信息工程大学 计算机学院,南京 210094

关键词：高光谱,变化检测,协同稀疏,非局部低秩,张量分解

基金：国家自然科学基金面上项目(61976117);国家自然科学基金面上项目(61876213);江苏省自然科学基金面上项目(BK20191409);江苏省高校自然科学研究重大项目(19KJA360001);江苏省高校自然科学研究重大项目(18KJA520005);审计信息工程与技术协同创新中心2018年度研究课题(18CICA09);南京审计大学青年教师科研培育项目(18QNPY015);江苏省研究生科研与实践创新计划项目(KYCX20_1680)

高光谱图像变化检测可提供地球表面的时间维变化信息,对城乡规划和管理至关重要。因具有较高的光谱分辨率,高光谱图像常被用于检测更精细的变化。针对高光谱变化检测的问题,提出一种基于协同稀疏与非局部低秩张量的高光谱图像变化检测方法。该方法首先求得前后时间点的高光谱差分图像,再根据差分图像中图像块的非局部分布特点,提取不同的非局部张量簇。然后基于协同稀疏正则化和低秩正则化建立协同稀疏与非局部低秩张量变化检测模型,并采用交替方向乘子法对模型求解得到表示系数。最后根据表示系数求得张量在不同类别中的投影残差,进而根据投影残差最小准则判断该张量块是否发生变化。在Farm-land数据集和Urban area in San Francisco City数据集上进行实验,实验结果表明该方法取得较好的高光谱变化检测精度。

来源：2022年第2期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2022年第2期