基于像素的直接比較法、分類后比較法、柵格GIS矢量集成法等較成熟的方法,慢慢地也被引入面向?qū)ο蟮母叻直媛蔬b感影像變化檢測中。 此外,顧及鄰域像素空間關(guān)系的方法,如水平集 (level set)、馬爾科夫隨機(jī)場 (Markov random field, MRF)、條件隨機(jī)場 (conditional random field, CRF)等方法引入到對象級變化檢測中,將光譜和空間信息進(jìn)行有效結(jié)合,降低了對象級變化檢測的不確定性。 隨著遙感大數(shù)據(jù)和人工智能的發(fā)展,深度學(xué)習(xí)方法迅速被引入遙感影像變化檢測領(lǐng)域。 作為一種高分辨率遙感數(shù)據(jù)特征挖掘的有效手段,深度學(xué)習(xí)方法為高分影像數(shù)據(jù)的分類與變化檢測提供了一條新的途徑。