آشکارسازی خودکار تغییرات در تصاویر ماهواره‌ای چندزمانه مبتنی بر حد آستانه‌گذاری با الگوریتم بهینه‌سازی توده ذرات

نوع مقاله : مروری

نویسندگان

1 دانشگاه خواجه نصیرالدین طوسی

2 دانشگاه تبریز

چکیده

آشکارسازی صحیح و آنی تغییرات پوشش و کاربری اراضی از موضوعات مهم حوزة برنامه‌ریزی و مدیریت اراضی به‌شمار می‌آید. یکی از روش‌های متداول شناسایی تغییرات، آنالیز تصاویر سنجش از دوری با تکنیک‌هایی نظیر حد آستانه‌گذاری تصویر اختلاف است. روش‌های متداول حد آستانه‌گذاری، عموماً مبتنی بر جست‌وجوی فراگیر و مستلزم صرف هزینة محاسباتی بالایی هستند. از طرفی، ماهیت تک‌بعدی آنها سبب می‌شود تا در حل مسائل چندبعدی ـ همچون حد آستانه‌گذاری تصاویر چندطیفی سنجش از دوری ـ زمان محاسبات به‌طور نمایی افزایش یابد. راهکار پیشنهادی این پژوهش برای کاهش زمان محاسبات تکنیک‌های متداول حد آستانه‌گذاری، استفاده از الگوریتم بهینه‌سازی توده ذرات است که تکنیک سریع و کارآمدی را برای شناسایی تغییرات معرفی می‌کند. روش پیشنهادی همراه با چندین روش متداول حد آستانه‌گذاری روی دو سری دادة تصاویر دوزمانة سنجنده TM پیاده‌سازی شد. برای ارزیابی قابلیت تکنیک ارائه‌شده در این پژوهش از سه پارامتر زمان محاسبات، صحت آشکارسازی تغییرات و پایداری الگوریتم در برآورد حد آستانة بهینه استفاده شد. نتایج ارزیابی نشان می‌دهند که الگوریتم پیشنهادی ضمن حفظ صحت آشکارسازی تغییرات، سبب کاهش زمان محاسبات در حدود 15 درصد و 98 درصد در مقایسه با دو تکنیک حد آستانه‌گذاری OTSU و کمینه‌سازی مجموع واریانس داخل‌کلاسی شده است. همچنین با مقایسة مقادیر جدول توزیع نرمال استاندارد با آمارة آزمون برآوردشده، ثبات الگوریتم پیشنهادی در برآورد حد آستانة بهینه در سطح اطمینان 90 درصد پذیرفته شد. نتایج حاصل از تحقیق بیانگر قابلیت بالای تکنیک پیشنهادی در حد آستانه‌گذاری سریع، پایدار و کارآمد تصویر اختلاف به‌منظور آشکارسازی خودکار و نظارت‌نشدة تغییرات در تصاویر ماهواره‌ای چندزمانه است.

کلیدواژه‌ها


عنوان مقاله [English]

Unsupervised Change Detection of Multi-temporal Satellite Images using PSO-based Image Thresholding Technique

چکیده [English]

Timely and accurate detection of changes in land use/ cover is important for land planning and management. Remote sensing images have been primary sources for change detection in recent decades. Due to its simplicity, thresholding of difference image is a popular method for change detection. The traditional thresholding methods such as Otsu are based on exhaustive search, so that they are time consuming. Since these methods are mainly developed for one-dimensional problems, the computation time grows exponentially with the number of thresholds when these methods are extended to be used for multi-dimensional problems. If thresholding is supposed to be as an optimization problem, optimization methods can potentially decrease the computation time. In this paper, a fast, simple and effective multi-dimensional image thresholding technique based on Particle Swarm Optimization (PSO) method is presented. This technique calculates the optimal threshold values by maximizing the Otsu objective function and minimizing the inter-class variance objective function. The proposed method has been implemented on two multispectral and multi-temporal datasets. The first dataset includes a couple of images acquired by the TM sensor taken form south islands of Aurmia Lake (Iran) in Jun 1984 and July 2010, respectively. The second dataset is obtained from a couple of images acquired by the same sensor on the Khodafarin dam (Iran) in July 2000 and July 2009, respectively. In order to evaluate the proposed method, the computational time and change detection accuracy were computed. In addition, statistical test was carried out in order to evaluate the robustness of the developed method. The experimental results show that the proposed PSO-based multi-dimensional thresholding method could provide optimum thresholds values by decreasing 98% and 15% of the time complexity compared with the most widely used Otsu and inter-class variance-based thresholding methods.

کلیدواژه‌ها [English]

  • Keywords: Change detection
  • Multi-temporal satellite images
  • Image thresholding
  • Particle Swarm Optimization