清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

CCEM-Net: Conflict-Aware Cross Evidential Modulation for Hyperspectral Change Detection

高光谱成像 遥感 计算机科学 人工智能 变更检测 模式识别(心理学) 计算机视觉 目标检测 调制(音乐) 特征提取 雷达跟踪器 合成孔径雷达 频率调制 杂乱 信号处理 图像处理 噪音(视频) 匹配滤波器 探测理论
作者
Shufang Xu,Wenxuan Fei,Shuyu Fei,Runhua Sheng,Hongmin Gao
出处
期刊:IEEE Transactions on Geoscience and Remote Sensing [Institute of Electrical and Electronics Engineers]
卷期号:64: 5528617-5528617
标识
DOI:10.1109/tgrs.2026.3732009
摘要

Hyperspectral change detection (HSCD) remains challenging due to spectral inconsistency across bitemporal observations, heterogeneous spatial change patterns, and ambiguous decision boundaries that induce predictive uncertainty. Existing methods mainly rely on deterministic representation learning, lacking mechanisms to model uncertainty and resolve such conflicts, often resulting in overconfident and unreliable predictions. To address these issues, we propose CCEM-Net, a conflict-aware evidential deep learning (EDL) framework for reliable HSCD. Specifically, a change-aware interaction (CAI) module is introduced to model cross-temporal dependencies, suppress pseudo-changes, and enhance change-relevant responses via dual gating. A parallel adaptive multiscale spectral and spatial (AMSS) module further captures heterogeneous patterns through temporal-difference-guided multiscale feature aggregation. To handle decision ambiguity, we develop a conflict-aware cross evidential modulation (CCEM) mechanism that models branch predictions as Dirichlet distributions to quantify uncertainty. By measuring interbranch conflict via Jensen–Shannon (JS) divergence, CCEM adaptively modulates evidence strength. Subsequently, reliable decision-level fusion is performed using the Yager rule. Experiments on benchmark datasets demonstrate that CCEM-Net consistently achieves the superior performance in both accuracy and reliability compared with state-of-the-art (SOTA) methods. The code will be publicly available at:https://github.com/fwx0314/CCEM-Net

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
旧雨新知完成签到 ,获得积分10
6秒前
Orange的应助被科研通管家采纳,获得10
16秒前
马东完成签到 ,获得积分10
17秒前
jiaojaioo完成签到,获得积分10
17秒前
alex发布了新的文献求助10
21秒前
我不是哪吒完成签到 ,获得积分10
21秒前
冷傲的月饼完成签到,获得积分10
22秒前
乐观的星月完成签到 ,获得积分0
24秒前
SCINEXUS完成签到,获得积分0
25秒前
龙弟弟完成签到 ,获得积分10
25秒前
ooouiia完成签到 ,获得积分10
32秒前
科研通AI65的应助被冲冲冲采纳,获得10
33秒前
Beyond095完成签到 ,获得积分10
35秒前
芍药完成签到 ,获得积分10
39秒前
逍遥子完成签到,获得积分10
44秒前
申燕婷完成签到 ,获得积分10
45秒前
孤独晓绿完成签到,获得积分10
46秒前
高高的夏波完成签到,获得积分10
48秒前
John的应助被一an颜采纳,获得10
48秒前
49秒前
51秒前
Aboo完成签到,获得积分10
53秒前
大可完成签到 ,获得积分10
55秒前
冲冲冲发布了新的文献求助10
56秒前
1分钟前
GLUUUUUE完成签到 ,获得积分10
1分钟前
叶问夏完成签到 ,获得积分10
1分钟前
尐吜渔发布了新的文献求助10
1分钟前
1分钟前
科研通AI6.2的应助被尐吜渔采纳,获得10
1分钟前
善良的梦桃完成签到,获得积分10
1分钟前
楚楚完成签到 ,获得积分10
1分钟前
闫小昊完成签到,获得积分10
1分钟前
Maestro_S的应助被博修采纳,获得100
1分钟前
魔幻荧完成签到,获得积分10
1分钟前
张博完成签到 ,获得积分10
1分钟前
LYH完成签到,获得积分10
1分钟前
J_Xu完成签到 ,获得积分10
1分钟前
七叶花开完成签到,获得积分10
1分钟前
SunJay完成签到 ,获得积分10
1分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
John McDowells Bildungstheorie 800
八旗制度の研究 600
plantTFDB 508
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8173230
求助须知:如何正确求助?哪些是违规求助? 9565593
关于积分的说明 21780536
捐赠科研通 7767429
什么是DOI,文献DOI怎么找? 3431542
关于科研通互助平台的介绍 2555764
邀请新用户注册赠送积分活动 2476697