1.一種魯棒的多時相多光譜影像變化檢測方法，其特征在于，包括以下步驟：

步驟1：非一致性影像的校正算法；

步驟1-1：給定雙時相影像以及輔助時相影像其中I、J分別為影像的長、寬，N是影像的波段數；以X₁作為基準影像，對X₂和進行校正；

步驟1-2：通過多層非負矩陣分解對X₁和X₂進行并列解混，得到X₁和X₂的共同端元矩陣和X₁、X₂各自的豐度矩陣其中P是端元數目；

步驟1-3：對X₁和X₂做差獲得差值影像D中的元素d_i,j為N維的差值光譜向量；再對差值影像內的所有光譜向量求模，得到對應的變化幅值圖采用k近鄰法對C按變化幅值大小進行聚類，將變化幅值最低的類作為高可靠未變化樣本集G；

步驟1-4：利用高可靠未變化樣本集G求解校正矩陣H＝diag(h₁,h₂…h_p…h_P)，p＝1,2,…,P；其中h_p按式(1)計算：

其中和分別是X₁和X₂的未變化像素的第p個豐度的平均值；

步驟1-5：利用校正矩陣H，求解出校正后的影像X₂′：

X₂′＝A₂×H×E_s

步驟1-6：重復步驟1-2到步驟1-5，將其中的X₂替換為X₃，得到校正后的影像X₃′；

步驟2：基于時空譜特征學習的多光譜影像變化檢測方法；

步驟2-1：對X₁和X₂′做差獲得差值影像，再對差值影像內的所有光譜向量求模，得到對應的變化幅值圖，采用k近鄰法對變化幅值圖按變化幅值大小進行聚類，將變化幅值最高的類作為高可靠變化樣本，將變化幅度最低的類作為未變化樣本，高可靠變化樣本和未變化樣本組成高可靠偽訓練樣本集；

步驟2-2：對X₁、X₂′和X₃′中的每個像素，以該像素為中心，在中心鄰域內分別取S×S的像素塊，領域不足S×S的通過圖像鏡像方式補齊；則對X₁、X₂′和X₃′中同一個位置的像素在X₁、X₂′和X₃′中分別有一個S×S的像素塊與該位置像素點對應；

步驟2-3：將步驟8獲取的每個像素位置對應的S×S的像素塊作為輸入樣本，步驟7獲取的高可靠偽訓練樣本集中的高可靠變化樣本和未變化樣本作為標簽對神經網絡進行訓練，神經網絡結構如表1：

表1神經網絡結構

步驟3：對待檢測多時相影像對按步驟1的非一致性影像的校正算法進行處理，再由步驟2-2得到每個像素位置對應的S×S的像素塊輸入步驟2-3訓練完成的神經網絡，輸出得到最終檢測結果。