基于非线性解混的自监督高光谱图像变化检测方法

本发明涉及一种基于非线性解混的自监督高光谱图像变化检测方法，属于遥感图像处理与计算机视觉技术领域。本发明以差图为输入，首先通过非线性解混网络提取丰度差图，再重建高光谱差图，并对丰度特征进行聚类分析，获得像素的类别概率分布，通过设置置信度阈值，选取高置信度样本作为伪标签用于训练变化检测网络，通过余弦相似度损失函数、聚类损失函数及交叉熵损失函数进行端到端协同训练。该方法能够有效捕捉地表物质的微小变化，提高高光谱图像变化检测的精度和鲁棒性，同时克服了传统线性解混与简单聚类方法在复杂场景下的识别局限性。