深度慢特征分析网络变化分析数据集（DSFANet)

本文基于深度网络和慢特征分析（SFA）理论，提出了一种新的多时相遥感影像变化检测算法，称为深度慢特征分析（DSFA）。在DSFA模型中，利用两个对称的深度网络对双时相影像的输入数据进行映射。随后，部署SFA模块以抑制变换特征中的未变化成分，并突出变化成分。采用CVA预检测方法，以高置信度找到未变化的像素作为训练样本。最后，通过卡方距离计算变化强度，并通过阈值算法确定变化区域。实验在两个真实世界的数据集和一个公开的高光谱数据集上进行。视觉对比和定量评估均表明，DSFA能够超越其他最先进的算法，包括其他基于SFA的方法和深度学习方法。