主要内容
经典步骤(大部分技术采用的方法)
- 预处理图像
- 生成差异图
- 对差异图进行算法处理得到二值的变化图
预处理步骤
配准
用于变化检测的两张图片由于设备和角度等的影响
需要进行配准操作，使得两个图像的坐标系表示相同的地理位置信息
差异图的生成
比较朴素的方法就是直接相减生产差分图像
但是这样对抗噪声的能力比较小，进一步了可以采用对数操作
小波变换，滤波等操作
分析步骤(生产变化图)
无监督和有监督的 方法两大类
由于数据的不足，又以无监督的方法占优势
对于无监督的方法，一般由经典的聚类和阈值等方法衍生得来
大致的操作是先用传统聚类操作来对像素点进行三分类，然后由
高概率变化和不变的样本点取小的patch进行训练之后对不确定的
像素点进行分类，但是也有提出这样比较依赖于图像坐标的校正
采用同时训练掩膜和网络参数，抛弃第一步预生成三类的方法
但是较为复杂，暂时还没有看明白。又或者直接进行目标检测和
图像的分割技术，但是受限于识别和分割的准确率，应该暂时超不过前者
有监督学习没啥好说的，利用数据进行训练就好了
总结
目前很多的方法准确率都已经比较的高了
论文内的大部分思路是借鉴新出现的技术来进行应用到检测
或者考虑如何抑制噪声等的影响,或者如何生成差异图等