基于自适应全局图与变化反馈机制的无监督SAR图像变化检测方法研究

合成孔径雷达(SAR)图像的无监督变化检测对地表观测至关重要。针对现有方法因采用固定尺度研究单元而难以有效表征不同地物特性的问题，来自国内的研究团队创新性地提出自适应全局图构建方法。该方法通过局部特征自适应分割图像斑块，构建全局图结构，结合变化反馈机制生成高可分性差异图，最终通过二分类获得变化区域。实验证明该方法在四个真实SAR数据集上展现出优越的鲁棒性和检测精度。

　　

在遥感监测领域，合成孔径雷达(Synthetic Aperture Radar, SAR)图像的无监督变化检测技术正发挥着越来越重要的作用。传统方法往往采用固定尺度的分析单元，这种"一刀切"的方式难以准确捕捉图像中各类地物的多尺度特征。科研团队另辟蹊径，开发出基于自适应全局图的新颖解决方案。

该方法首先根据SAR图像的局部特性，将其智能分割为尺寸各异的图像块(patch)，这些斑块被视作图结构中的顶点(vertex)，通过全局连接构建出自适应图网络。研究人员分别在两期SAR图像上构建这种图结构后，通过比较时相差异顶点及其周边子图(subgraph)结构来量化变化程度。

特别值得一提的是，该方法引入了巧妙的变化反馈机制，就像给系统装上了"自我校准"功能，能够迭代优化并生成具有良好可分性的差异图(difference image)。最终采用二分类算法对这些差异特征进行智能判别，精准绘制出地表变化区域的变化图(change map)。

研究团队在四个真实SAR数据集上进行了系统验证，结果表明这种融合自适应图结构和反馈机制的新方法，在检测精度和算法鲁棒性方面都展现出显著优势。这项技术为复杂场景下的地表变化监测提供了新的技术路径，在灾害评估、环境监测等领域具有重要应用价值。