다중센서 원격탐사 이미지 무감독 변화 탐지를 위한 결합 사전학습

본 논문은 서로 다른 센서와 해상도를 가진 두 원격탐사 이미지 사이에서 무감독으로 변화를 탐지하는 새로운 방법론을 제시한다. 전통적인 변화 탐지 기법은 동일 모달리티(예: 광학‑광학) 이미지 쌍을 전제로 하며, 픽셀‑단위 차이 계산이나 사전 정의된 변환 모델에 의존한다. 그러나 재난 상황 등 급박한 현장에서는 다양한 센서(광학, SAR, LiDAR 등)와 서로 다른 공간·스펙트럼 해상도를 가진 데이터만이 실시간으로 제공될 수 있다. 이러한 멀티모달·멀티해상도 상황을 효과적으로 처리하기 위해 저자들은 두 이미지 각각에 대해 과잉완전 사전(dictionary)을 학습하고, 동일 지역을 촬영했으므로 두 사전이 공유하는 코드가 전역적으로 유사하지만 변화가 발생한 위치에서는 코드 차이가 희소하게 나타난다는 가정을 도입한다. 먼저, 관측 이미지 Y는 잠재 이미지 X와 센서 고유의 변환 연산 T