Online Change Detection in SAR Time-Series with Kronecker Product Structured Scaled Gaussian Models
基于 Kronecker 结构尺度高斯模型的 SAR 时间序列在线变化检测AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接涉及多元图像时间序列的在线变化检测和递归协方差估计。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
基于 Kronecker 结构尺度高斯模型的 SAR 时间序列在线变化检测
- 研究问题
- 对于多元合成孔径雷达图像时间序列，如何利用结构化协方差在线检测变化，并使每幅新增图像的计算成本保持稳定？
- 方法与思路
- 作者研究具有 Kronecker 协方差结构的尺度高斯分布的信息几何，通过递归自然黎曼梯度下降在线估计零假设下的协方差。
- 材料陈述的贡献
- 摘要称，所提算法每加入一幅图像的计算成本保持恒定；模拟中递归估计达到内蕴 Cramér–Rao 界，并展示模拟与真实数据检测。
- 阅读关注点
- 应核对协方差结构和尺度分布假设、递归更新与步长选择、在线检测阈值和误报控制，以及达到信息界的模拟范围。
- 阅读边界
- 所给版本为 arXiv 预印本，不能据此确认同行评审或期刊接收；摘要未说明检测阈值、误报率或渐近效率，模拟结论不等于普遍保证。
原文摘要
We develop the information geometry of scaled Gaussian distributions for which the covariance matrix exhibits a Kronecker product structure. This model and its geometry are then used to propose an online change detection (CD) algorithm for multivariate image times series (MITS). The proposed approach relies mainly on the online estimation of the structured covariance matrix under the null hypothesis, which is performed through a recursive (natural) Riemannian gradient descent. This approach exhibits a practical interest compared to the corresponding offline version, as its computational cost remains constant for each new image added in the time series. Simulations show that the proposed recursive estimators reach the Intrinsic Cramér-Rao bound. The interest of the proposed online CD approach is demonstrated on both simulated and real data.