ارايه يك روش بهبوديافته در آشكارسازي تغييرات با تاكيد بر تاثير نويز لكه اي در تصاوير با روزنه تركيبي

A Modified Change Detection Method Focusing on De-Speckling of SAR Images

استفاده از تصاوير SAR به علت عدم حساسيت آن ها نسبت به شرايط جوي مورد توجه اهداف سنجش از دوري مي باشد. بنابراين ابزار مناسبي جهت آَشكارسازي و مديريت تغييرات رخ داده روي سطح زمين، به خصوص در مواقع بروز حوادث طبيعي مانند سيل و زلزله هستند. وجود نويز لكه اي در اين نوع از تصاوير، مشكلي بر سر راه كاربردهاي متعدد و مفيد آن ها محسوب مي شود. اين نويز در زمان تصويربرداري به علت نوسانات سيگنال هاي الكترومغناطيسي بازگشتي به وجود مي آيد. روش پيشنهادشده براساس بهينه-سازي به كمك الگوريتم ژنتيك و آناليز تصوير تفاضل، به هدف كاهش اثرات نويز لكه اي در فرايند آشكارسازي تغييرات مي باشد. براي اين منظور از دو تابع هزينه استفاده مي شود. تابع هزينه اول براساس معيار خطاي كمترين مربعات و ديگري از تركيب اين معيار با يك تابع فيلتر به دست مي آيد. براي بررسي عملكرد الگوريتم از يك مجموعه تصاوير اخذ شده از سنجنده ASAR ماهواره Envisat مربوط به منطقه مي ياگي، آسيب ديده از سونامي مارس 2011 در كشور ژاپن استفاده شده است. نتايج كيفي و كمي به دست آمده، نشان دهنده بهبود عملكرد الگوريتم با استفاده از تابع هزينه تركيبي به خصوص در نواحي يكنواخت است.

SAR images are important data for observing the earth in the all weather conditions. But the speckle noise contaminated the SAR images obstructs the application of them. Speckle noise is primarily due to the phase fluctuations of the electromagnetic return signals. In this paper, we investigate the effect of speckle on the change detection result. Two cost functions are used in our change detection algorithm. One is based on Minimum Mean Squared Errors and the other one is composed of the MMSE and a de-speckled filter. Change detection method is based on the genetic algorithm. The difference image is first computed by the input images and then divided into two separated changed and unchanged regions, according to the change mask realization produced by Genetic Algorithm. A set of real data acquired from ASAR sensor of Envisat satellite is used to evaluate the performance our method. The results show that the proposed method improves the detection procedure reducing the noise contamination