آشکارسازی تغییرات تصاویر ماهواره‌ای چند زمانه با استفاده از ترکیب روش‌های ماسک باینری و مقایسه پس از طبقه‌بندی

تولید نقشه و اطلاعات قابل استفاده در یک سامانه اطلاعات مکانی هزینه و زمان قابل توجهی را به خود اختصاص میدهند که درنهایت این اطلاعات مبنای تصمیم گیری ها و فعالیتهای بعدی به خصوص در مناطق شهری قرار میگیرند. بهنگام رسانی داده ها متضمن پیشرفت یک سامانه اطلاعات مکانی و استفاده درست از آن خواهد بود. فرآیند شناسایی تغییرات، زمینه را برای بهنگام رسانی اطلاعات فراهم می آورد و یکی از موضوعات کاربردی و چالش برانگیز در بسیاری از شاخه ها ازجمله: برنامه ریزی شهری، محیط زیست و سایر علوم مربوط به زمین است .تکنیک های متداولی که برای آشکارسازی تغییرات بکار گرفته می شوند، معمولاً مبتنی بر پیکسل هستند. در این تحقیق از دو روش ماسک باینری و مقایسه پس از طبقه بندی بهصورت ترکیبی بهره گرفته شد و سپس نتایج حاصل با روش مقایسه پس از طبقه بندی مقایسه شد. ماسک باینری توسط تلفیق روش حد آستانه گذاری فازی و حد آستانه گذاری اتوماتیک otsu ایجاد شد. سپس مقایسه توسط طبقه بندی کننده های بیشترین شباهت، کوتاهترین فاصله، ماشین بردار پشتیبان و شبکه عصبی مصنوعی صورت گرفت .برای این منظور در این تحقیق از تصاویر ماهوارهای با توان تفکیک بالای ماهواره های geoeye و quickbird مربوط به سالهای 1385 و 1389 جهت شناسایی تغییرات در منطقه مطالعاتی شهرک آزادشهر واقع در ناحیه هشت از منطقه 22 استان تهران، استفاده شده است. نتایج به دست آمده نشان میدهد که روش پیشنهادی از نظر مقایسه کمی و کیفی در نشان دادن تغییرات در مقابل روش مقایسه پس از طبقه بندی از دقت بالاتری برخوردار بوده است و دقت کلی و ضریب کاپا با استفاده از روش شبکه عصبی برای نقشه تغییرات به دست آمده از این روش معادل 73.32 و 68.38 بوده است.این در حالی است که دقت روش مقایسه پس از طبقه بندی برای روش شبکه عصبی معادل65.61 و ضریب کاپا برابر 48.96 به دست آمده است.

Change Detection of Multitemporal Sattelite Images by Comparison of Binary Mask and Most Classification Comparison Methods

Map production and usable information in Geospatial information system have notable cost and time allocated that finally such information and decisions are based further activities, especially in urban areas. Updating data involves the development of a geospatial information system and use of it. Change detection process, provides context for updating information and the latest applications and challenging in many branches include: urban planning, the environment and other sciences of the earth. Common techniques that used to Change detection, usually are based on pixels. In this study, two binary mask and post classification comparison method was used in combination and then compared the results of the comparative method of classification. Binary mask is a combination of Fuzzy thresholding and Automatic thresholding method such Otsu, Then comparing the classifiers such as, maximum likelihood, support vector machines, nearest neighbor and neural networks were used. The data set is provided by a couple of acquired very high resolution images on the Azadshahr region, District 22 of Tehran city (Iran) by the Quickbird and GeoEye sensors in 2006 and 2011 respectively. This data set is characterized by 3 visible spectral bands (Blue, Green and Red). The results show that the proposed method in terms of qualitative and quantitative comparison showing the changes against the post classification comparison method was more accurate and the overall accuracy and Kappa coefficient by using neural networks to map the changes resulting from this method is the equivalent of 73.32 and 68.38. However, the accuracy of the post classification comparison for neural networks of 65.61 and 48.96 against the kappa coefficient is obtained.