آشکارسازی نظارت ‌نشده تغییرات از تصاویر چندزمانه Sar مبتنی بر ادغام خوشه‌ بندی و مدل منحنی فعال

در این تحقیق روشی جهت آشکارسازی نظارت نشده ی تغییرات در تصاویر چندزمانه sar مبتنی بر ادغام خوشه بندی و مدل منحنی فعال ارائه شده است. در این روش، با استفاده از فیلتر گابور، در مقیاس و در جهات مختلف، اطلاعات بافتی تصویر استخراج می گردد و جهت کاهش وابستگی میان ویژگی های استخراجی و اطلاعات تصاویر، از آنالیز مولفه اصلی با هسته کرنل (kpca) استفاده می شود. همچنین، برای تولید تصویر اختلاف از تبدیل موجک گسسته و به منظور تولید منحنی اولیه برای مدل منحنی فعال از خوشه بندی گوستافسون کِسل (gkc) استفاده می شود. در نهایت از مدل منحنی فعال ناحیه مبنای غیر پارامتریک برای تولید نقشه تغییرات، مبتنی بر مناطق تغییریافته و تغییرنیافته، استفاده می شود. جهت ارزیابی عملکرد روش پیشنهادی دو مجموعه تصاویر ماهواره ای چندزمانه با قدرت تفکیک مکانی بالا از سنجنده terrasar-x در نظر گرفته شده است. نتایج تجربی آشکارسازی تغییرات نشان می دهد که برای مجموعه داده اول میزان نرخ خطای کلِ روش پیشنهادی نسبت به مدل چان وِس (chan-vese)، روش زنجیره تصادفی مارکوف (mrf) و ادغام زنجیره مخفی تصادفی مارکوف و بیشینه سازی امید ریاضی (emhmrf) به ترتیب 95/4 درصد، 30/3 درصد و 34/3 درصد کاهش یافته است و برای مجموعه داده دوم میزان نرخ خطای کل روش پیشنهادی نسبت به مدل chan-vese، روش mrf و emmrf به ترتیب 56/2 درصد، 86/1 درصد و 87/1 درصد کاهش یافته است. همچنین نتایج نشان می دهد که استفاده از روش خوشه بندی gkc موجب تولید منحنی اولیه با حداقل زمان همگرایی برای مدل منحنی فعال گشته و استفاده از مدل منحنی فعال موجب افزایش دقت تولید نقشه تغییرات با استفاده از فرآیندی تکراری شده است.