亚像素土地覆盖变化检测：软分类与EM算法的应用

本篇研究论文标题为"基于软分类和EM算法的亚像素土地覆盖变化检测",发表于2015年6月2-5日在日本东京举办的第七届高光谱图像与信号处理研讨会(Hyperspectral Image and Signal Processing: Evolution in Remote Sensing)。该研讨会由IEEE-Whispers组织,旨在探讨高光谱成像技术在遥感领域的最新进展和应用。 论文主要关注的是亚像素级别的土地覆盖变化检测方法,这是一种对地表细节进行精细化分析的技术,对于环境监测、城市规划等具有重要意义。作者们提出了一种结合软分类和Expectation-Maximization (EM) 算法的方法，这在处理高光谱数据时能够提高变化检测的精度，尤其是在植被覆盖地图制作中，有助于识别细微的季节性变化或人为活动影响。 论文中提到了以下几个关键技术点： 1. **Graph Regularized Coupled Spectral Unmixing for Change Detection**：这种方法利用图论和联合光谱分解技术，通过优化图像中的像素组合来增强变化检测性能。 2. **Sub-Pixel Land Cover Change Detection based on Pixel Unmixing and EM Algorithm**：将传统的像素级混合模型提升到亚像素级别，利用EM算法处理不确定性，提高土地覆盖变化检测的准确度。 3. **Band Prioritization Method based on Kernel Weights for Progressive Band Unmixing**：采用核权重赋予不同波段不同的优先级，以实现分步的光谱解混，有助于区分不同类型的土地覆盖变化。 4. **END MEMBER EXTRACTION BY L_{2,0}-Constrained Sparse Dictionary Selection**：利用稀疏编码和L_{2,0}范数约束来提取光谱特征，有助于减少噪声和冗余信息，提升特征表示的效率。 5. **Progressive Band Unmixing and its Applications**：论文还讨论了渐进式光谱混合技术的应用，即在不同阶段逐步细化分析，确保整体结果的稳定性和准确性。 此外，会议的日程安排包括了全体演讲、主题为"将博弈论应用于高光谱图像分析，并应用于植被地面覆盖映射"的主旨演讲，以及一系列海报展示和咖啡休息时间下的平行会话。这些活动围绕着高光谱成像技术的核心议题展开，展示了研究领域的前沿动态。 总结来说，这篇论文深入探讨了在高光谱遥感中使用软分类和EM算法进行亚像素土地覆盖变化检测的理论和技术，为后续的研究提供了有价值的方法和工具，促进了高精度遥感数据的解析和应用。