آشكارسازي تغييرات تصاوير ماهواره‌اي چند زمانه با استفاده از تركيب روش‌هاي ماسك باينري و مقايسه پس از طبقه‌بندي

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

تولید نقشه و اطلاعات قابل‌استفاده در یك سامانه اطلاعات مكانی هزینه و زمان قابل‌توجهی را به خود اختصاص می‌دهند كه درنهایت این اطلاعات مبنای تصمیم‌گیری‌ها و فعالیت‌های بعدی به‌خصوص در مناطق شهری قرار می‌گیرند. بهنگام رسانی داده‌ها متضمن پیشرفت یك سامانه اطلاعات مكانی و استفاده درست از آن خواهد بود. فرآیند شناسایی تغییرات، زمینه را برای بهنگام رسانی اطلاعات فراهم می‌آورد و یكی از موضوعات كاربردی و چالش‌برانگیز در بسیاری از شاخه‌ها ازجمله: برنامه‌ریزی شهری، محیط‌زیست و سایر علوم مربوط به زمین است .تكنیك‌های متداولی كه برای آشكارسازی تغییرات بكار گرفته می‏شوند، معمولاً مبتنی بر پیكسل هستند. در این تحقیق از دو روش ماسك باینری و مقایسه پس از طبقه‌بندی به‌صورت تركیبی بهره گرفته شد و سپس نتایج حاصل با روش مقایسه پس از طبقه‌بندی مقایسه شد. ماسك باینری توسط تلفیق روش حد آستانه گذاری فازی و حد آستانه گذاری اتوماتیك otsu ایجاد شد. سپس مقایسه توسط طبقه‌بندی كننده‌های بیشترین شباهت، كوتاه‌ترین فاصله، ماشین بردار پشتیبان و شبكه عصبی مصنوعی صورت گرفت .برای این منظور در این تحقیق از تصاویر ماهواره­ای با توان تفكیك بالای ماهواره­های GeoEye و QuickBird  مربوط به سال‌های 1385 و 1389 جهت شناسایی تغییرات در منطقه مطالعاتی شهرك آزاد­شهر واقع در ناحیه هشت از منطقه 22 استان تهران، استفاده شده است. نتایج به‌دست‌آمده نشان می‌دهد كه روش پیشنهادی از نظر  مقایسه كمی و كیفی در نشان دادن تغییرات در مقابل روش مقایسه پس از طبقه‌بندی از دقت بالاتری برخوردار بوده است و دقت كلی و ضریب كاپا با استفاده از روش شبكه عصبی برای نقشه تغییرات به‌دست‌آمده از این روش معادل 32/73 و 38/68 بوده است.این در حالی است كه دقت روش مقایسه پس از طبقه‌بندی برای روش شبكه عصبی معادل 61/65 و ضریب كاپا برابر 96/48 به‌دست‌آمده است.

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.