改进CVA-EM的高分辨率遥感影像变化检测文献综述

高分辨率遥感影像以其精细的空间细节和丰富的地物信息，为变化检测提供了前所未有的机遇。

变化检测作为遥感领域的关键技术之一，在土地利用/覆盖变化监测、灾害评估、城市扩张分析等领域发挥着至关重要的作用。

CVA-EM模型作为一种经典的无监督变化检测方法，结合了变化矢量分析(ChangeVectorAnalysis,CVA)和期望最大化(Expectation-Maximization,EM)算法的优势，在处理多时相遥感影像方面展现出巨大潜力。

然而，传统CVA-EM模型在面对高分辨率遥感影像时，仍面临着特征表达能力不足、噪声干扰敏感等挑战。

因此，改进CVA-EM模型以更好地适应高分辨率遥感影像的变化检测，具有重要的理论意义和实际应用价值。

本文首先对变化检测和CVA-EM模型进行概述，接着分析了CVA-EM模型在高分辨率遥感影像变化检测中的优势和不足，进而探讨了改进CVA-EM模型的主要研究方向，最后对全文进行了总结与展望。

关键词：高分辨率遥感影像，变化检测，CVA-EM模型，特征提取，EM算法

随着遥感技术的发展，高分辨率遥感影像以其丰富的地物信息和精细的空间分辨率，为人们观察和理解地球提供了前所未有的视角。

变化检测作为遥感领域的核心应用之一，旨在识别不同时相获取的同一地区影像之间的差异信息，揭示地表覆盖的变化情况。

近年来，高分辨率遥感影像凭借其精细的空间细节和丰富的光谱信息，为变化检测提供了前所未有的机遇，推动着变化检测技术在土地利用/覆盖变化监测、城市扩张分析、灾害评估等领域发挥着越来越重要的作用[1]。