Resumen

La detección de cambios en imágenes de muy alta resolución (VHR) es desafiante debido a la baja capacidad discriminativa del rasgo de cambio y a la dificultad de la decisión de cambio al utilizar la información contextual multinivel. La mayoría de las técnicas de extracción de rasgos de cambio ponen énfasis en la descripción del grado de cambio (es decir, en qué grado han ocurrido los cambios), mientras que ignoran la descripción del patrón de cambio (es decir, cómo cambiaron los cambios), lo cual es igualmente importante para caracterizar las firmas de cambio. Además, la consideración simultánea de la clasificación robusta al ruido de registro y la fusión consistente de regiones a múltiples escalas a menudo se descuida en la decisión de cambio. Para superar tales inconvenientes, en este artículo se propone un nuevo método de detección de cambios en imágenes VHR basado en un descriptor de cambio disperso y un aprendizaje de diccionario discriminativo robusto. El descriptor de cambio disperso combina el componente de grado de cambio y el componente de patrón de cambio, que se codific

• Materias:Internet de las cosas Inteligencia artificial Contaminantes atmosféricos Sistema biométrico Aplicaciones
• Subjects:Internet of things Artificial intelligence Air pollutants Biometric system Applications
• Palabras claves:Resolución; Detección de cambios; Extracción de características; Información contextual; Clasificación; Robustez
• Keywords:Resolution; Change detection; Feature extraction; Contextual information; Classification; Robustness