基于MMAE指数的高光谱影像序列微弱变化信息提取

针对多时相高光谱影像的微弱变化,提出一种基于最小平均绝对误差(MMAE)的无监督变化信息提取方法。利用高光谱影像光谱特征之间的内在联系,对光谱特征向量组成的时间序列进行单波段向量自回归模型预测,得到局部变化趋势以及进行多波段拟合获得整体变化趋势,并通过哈达玛积将两者相结合,利用MMAE指数有效地提取微弱变化信息,获得初步变化信息图。实验结果表明,与SCD,PCA,CVA,IR-MAD等方法相比,该方法能够更有效地提取多时相高光谱影像的微弱变化信息,保持变化区域的细节,同时可抑制不同时相高光谱影像的背景噪声。