什么是遙感變化檢測？
人們幾乎每天都在對自然環(huán)境進行改造，小到建筑物的修建、大到填海造陸，而這些動態(tài)發(fā)展對于自然環(huán)境的利弊則需要監(jiān)控與分析。 遙感變化檢測，顧名思義，就是利用多張靜態(tài)的遙感圖像所反應的信息，在相互比較、多種處理手段下獲取各種地表信息動態(tài)變化的方式。 遙感變化檢測的工作對象是同一地區(qū)不同時期的圖像。 遙感變化檢測的正式概念是： 利用多時相遙感數(shù)據(jù)，采用多種圖像處理和模式識別方法提取變化信息，并定量分析和確定地表變化的特征與過程。
如何將深度學習應用于多時相遙感影像的變化檢測？
雖然已經(jīng)有大量的研究工作將深度學習應用在多時相遙感影像的變化檢測研究上，但對于高分辨率遙感影像的變化檢測而言，地物有更加豐富的空間/形狀特征，如何將深度學習應用于高分辨率遙感影像中，提取并學習有效的特征，減少偽變化，進一步提高變化檢測精度，是未來主要的研究方向。 隨著Hay和Niemann提出了“影像對象”的概念，各種基于影像分割結果進行影像分析的方法也逐漸出現(xiàn)。
如何利用深度神經(jīng)網(wǎng)絡處理遙感圖像變化檢測問題？
深度學習技術的發(fā)展，尤其是卷積神經(jīng)網(wǎng)絡 (convolutional neural networks, CNN)、遞歸神經(jīng)網(wǎng)絡 (recurrent neural networks, RNN)和深度神經(jīng)網(wǎng)絡 (deep neural networks, DNN)，為像素級變化檢測方法注入了新的旺盛生命力。 深度神經(jīng)網(wǎng)絡的訓練是基于反向傳播算法的有監(jiān)督訓練，因此，在利用深度神經(jīng)網(wǎng)絡處理遙感圖像變化檢測問題時，如何有效獲取訓練樣本是一個值得研究的問題。