ارائۀ روشی جدید مبتنی بر آنالیز بردار تغییرات جهت بهبود نتایج فرایندآشکارسازی تغییرات

نوع مقاله : علمی - پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد سنجش از دور، دانشگاه فردوسی، مشهد

2 دانشجوی کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشگاه خوارزمی، تهران

3 استادیار گروه عمران، دانشکده‌ی مهندسی، دانشگاه فردوسی، مشهد

چکیده

امروزه آشکارسازی تغییرات با استفاده از تصاویر ماهواره‌ای، یکی از حوزه‌های اصلی تحقیقات به شمار می‌رود. یکی از مشکلات استفاده از تصاویر ماهواره‌ای خطاهای بی‌شمار در این تصاویر است. خطاهای ناشی از اثر نورپردازی سطح جزء مشکلات اساسی در فرایند آشکارسازی تغییرات‌اند. از این رو، در پژوهش پیش ­رو، به منظور کاهش خطاهای ایجادشده در نتایج آشکارسازی تغییرات با استفاده از روش آنالیز بردار تغییرات، روشی ساده و در عین حال مناسب برای کاهش خطاهای ناشی از اثر نورپردازی ارائه شده است. در روش پیشنهادی، پس از اعمال تبدیل Tasseled cap روی تصاویر، جهت بردار تغییرات با راستای بردار پیکسل مربوط به تصویر مبنا در فضای طیفی مقایسه و سپس آستانه‌ای زاویه‌ای، برای کاهش خطاهای نورپردازی محاسبه می‌شود. مساحت زیر منحنی ROC و همچنین، پارامترهای احتمال تشخیص صحیح در روش پیشنهادی، به ترتیب،970/0 و 97/0 است و مقدارFalse Alarm برای آن 32/0 به دست آمده است. نیز، مقایسۀ نتایج روش پیشنهادی با نتایج روش‌های مرسوم آشکارسازی تغییرات دقت بیشتر روش پیشنهادی را نشان داده است

کلیدواژه‌ها


عنوان مقاله [English]

A novel method based on Change Vector Analysis to improve results of Change Detection Process

نویسندگان [English]

  • Hossein Sadeghi 1
  • Ali Hoseinypoor 2
  • Rouzbeh Shad 3
1 MSc. Student of Remote Sensing, Department of Civil, Faculty of Engineering, Ferdowsi University of Mashhad
2 MSc. Student of Remote Sensing, Department of Remote Sensing and GIS, Faculty of Geography, Kharazmi University, Tehran
3 Assistant Prof., Department of Civil, Faculty of Engineering, Ferdowsi University of Mashhad
چکیده [English]

The change detection using satellite images is one of the main fields of remote sensing researches. Numerous errors in the images are one problem with the use of satellite imagery. Errors caused by surface illumination, are the main problems in the process of change detection. Therefore, in this study, in order to reduce errors in the results of the detection of changes using change vector analysis, a simple, yet effective method to reduce errors caused by topography is proposed. After applying Tasseled Cap Transform on images, the proposed method compare the angle between direction of change vector with the direction of vector of the pixel in the base image using spectral space, and then calculates the angular threshold. The area under the ROC curve, the Probability Detection and False alarm of proposed method are 0.970, 0.97 and 0.32 respectively.

کلیدواژه‌ها [English]

  • Change detection
  • change vector
  • spectral space
  • Threshold
  • illumination
  1. Abdi, H. & Williams, L.J., 2010, Principal Component Analysis, Wiley Interdisciplinary Reviews: Computational Statistics, 2(4), 433-459.
  2. Adams, J.B. & Gillespie, A.R., 2006, Remote Sensing of Landscapes with Spectral Images: A Physical Modeling Approach, Cambridge University Press.
  3. Adar, S., Shkolnisky, Y. & Ben Dor, E., 2014, A New Approach for Thresholding Spectral Change Detection Using Multispectral and Hyperspectral Image Aata, a Case Study Over Sokolov, Czech Republic, International Journal of Remote Sensing, 35(4), 1563-1584.
  4. Allen, T.R., 2000, Topographic Normalization of Landsat Thematic Mapper Data in Three Mountain Environments, Geocarto International, 15(2), 15-22.
  5. Ben‐Dor, E., Schläpfer, D., Plaza, A.J., & Malthus, T., 2013, Hyperspectral Remote Sensing, Airborne Measurements for Environmental Research: Methods and Instruments, 413-456.
  6. Congalton, R.G. & Green, K., 2008, Assessing the Accuracy of Remotely Sensed Data: Principles and Practice, CRC press.
  7. Gao, M.L., Zhao, W.J., Gong, Z.N., Gong, H.L., Chen, Z. & Tang, X.M., 2014, Topographic Correction of ZY-3 Satellite Images and Its Effects on Estimation of Shrub Leaf Biomass in Mountainous Areas, Remote Sensing, 6(4), 2745-2764.
  8. Huang, C., Wylie, B., Yang, L., Homer, C. & Zylstra, G., 2002, Derivation of a Tasselled Cap Transformation Based on Landsat 7 At-Satellite Reflectance, International Journal of Remote Sensing, 23(8), 1741-1748.
  9. Huang, W., Zhang, L., Furumi, S., Muramatsu, K., Daigo, M. & Li, P., 2010, Topographic Effects on Estimating Net Primary Productivity of Green Coniferous Forest in Complex Terrain Using Landsat Data: A Case Study of Yoshino Mountain, Japan, International Journal of Remote Sensing, 31(11), 2941-2957.
  10. Hussain, M., Chen, D., Cheng, A., Wei, H. & Stanley, D., 2013, Change Detection from Remotely Sensed Images: From Pixel-Based to Object-Based Approaches, ISPRS Journal of Photogrammetry and Remote Sensing, 80, 91-106.
  11. Jensen, J.R., 1996, Introductory Digital Image Processing: A Remote Sensing Perspective (No. Ed. 2). Prentice-Hall Inc.
  12. Kauth, R.J. & Thomas, G.S., 1976, The Tasselled Cap--A Graphic Description of the Spectral-Temporal Development of Agricultural Crops as Seen by Landsat, In LARS Symposia (p. 159).
  13. Kresse, W. & Danko, D.M., 2012, Springer Handbook of Geographic Information, Springer.
  14. Malila, W.A., 1980, Change Vector Analysis: An Approach for Detecting Forest Changes with Landsat, In LARS Symposia (p. 385).
  15. Mena, J.B. & Malpica, J.A., 2006, A Change Detection Method with Radiometric Normalization and Shadows Removal in Multispectral Satellite Imagery.
  16. Otsu, N., 1975, A Threshold Selection Method from Gray-Level Histograms, Automatica, 11(285-296), 23-27.
  17. Richter, R., Kellenberger, T. & Kaufmann, H., 2009, Comparison of Topographic Correction Methods, Remote Sensing, 1(3), 184-196.
  18. Sezgin, M., 2004, Survey Over Image Thresholding Techniques and Quantitative Performance Evaluation, Journal of Electronic Imaging, 13(1), 146-168.
  19. Singh, A., 1989, Review Article Digital Change Detection Techniques Using Remotely-Sensed Data, International Journal of Remote Sensing, 10(6), 989-1003.
  20. Ünsalan, C., 2012, Two-Dimensional Change Detection Methods: Remote Sensing Applications, Springer Science & Business Media.
  21. Yang, X. & Lo, C.P., 2000, Relative Radiometric Normalization Performance for Change Detection from Multi-Date Satellite Images, Photogrammetric Engineering and Remote Sensing, 66(8), 967