地表被覆のモニタリングにおける全体検出不足や判別困難といった課題を克服し、完全性と実用性を兼ね備えた、オブジェクトレベルKPCA-DSFAを融合した高解像度リモートセンシング画像の教師なし変化検出手法を提案した。まず、二期の画像に対して相対放射補正と画像融合を行い、単純な非反復クラスタリングアルゴリズムを用いて共同セグメンテーションを実現し、両期の画像特徴を考慮した均質なスーパーピクセルブロックを取得した。次に、KPCA畳み込みマッピングネットワークとDSFAを結合し、それぞれ空間・スペクトル特徴抽出と深層意味解析を行い、スーパーピクセルを基本単位として融合し、オブジェクトレベルの高次元空間ベクトルを構築して変化強度情報を取得した。最後に、グラフカット(Graph Cut)モデルに基づくエネルギー関数モデルを構築し、オブジェクトの隣接関係と空間差異を利用して、全体最適化により変化領域の精密抽出を実現した。実験結果は検出全体精度が90％以上に達し、総合性能が高く、塩胡椒ノイズを効果的に抑制し、変化領域の検出率を著しく向上させ、一定の優越性と頑健性を有することを示した。

カーネル主成分分析;変化検出;スーパーピクセル;深層特徴抽出;グラフカットモデル