摘要：高分圖像的變化檢測可以採用基於對象的方法，通過設計適當的分割算法或目標提取算法，實現對地物覆蓋類型（如建築物、水體等）或目標（如車輛、艦船等）的變化分析。高空間分辨率圖像（簡稱“高分圖像”）包含了地物豐富的紋理、形狀、結構、鄰域關係等信息，可主要應用於地物分類、目標提取與識別、變化檢測等。

高空間分辨率圖像（簡稱“高分圖像”）包含了地物豐富的紋理、形狀、結構、鄰域關係等信息，可主要應用於地物分類、目標提取與識別、變化檢測等。基於高分圖像，可以充分提取圖像地物的上下文語義信息，將圖像分類從像元級提高到對象級。比如，自適應馬爾科夫隨機場模型或者GIS輔助遙感圖像分類都是充分利用精細的空間信息結構實現對光譜分類結果的重定義，提高圖像分類精度。此外，稀疏表示和深度學習方法在高分圖像分析中的應用研究也非常活躍。稀疏表示理論能夠從複雜龐大的數據中分離出影像的主要特徵，深度學習方法則通過對深層網絡結構進行訓練提取圖像所具有的深層次的結構特徵。高分圖像的變化檢測可以採用基於對象的方法，通過設計適當的分割算法或目標提取算法，實現對地物覆蓋類型（如建築物、水體等）或目標（如車輛、艦船等）的變化分析。