آشکارسازی تغییرات تصاویر ماهواره ای چند زمانه با استفاده از ترکیب روش های ماسک باینری و مقایسه پس از طبقه بندی
Abstract
تولید نقشه و اطلاعات قابل استفاده در یک سامانه اطلاعات مکانی هزینه و زمان قابل توجهی را به خود اختصاص می دهند که درنهایت این اطلاعات مبنای تصمیم گیری ها و فعالیت های بعدی به خصوص در مناطق شهری قرار می گیرند. بهنگام رسانی داده ها متضمن پیشرفت یک سامانه اطلاعات مکانی و استفاده درست از آن خواهد بود. فرآیند شناسایی تغییرات، زمینه را برای بهنگام رسانی اطلاعات فراهم می آورد و یکی از موضوعات کاربردی و چالش برانگیز در بسیاری از شاخه ها ازجمله: برنامه ریزی شهری، محیط زیست و سایر علوم مربوط به زمین است .تکنیک های متداولی که برای آشکارسازی تغییرات بکار گرفته میشوند، معمولاً مبتنی بر پیکسل هستند. در این تحقیق از دو روش ماسک باینری و مقایسه پس از طبقه بندی به صورت ترکیبی بهره گرفته شد و سپس نتایج حاصل با روش مقایسه پس از طبقه بندی مقایسه شد. ماسک باینری توسط تلفیق روش حد آستانه گذاری فازی و حد آستانه گذاری اتوماتیک otsu ایجاد شد. سپس مقایسه توسط طبقه بندی کننده های بیشترین شباهت، کوتاه ترین فاصله، ماشین بردار پشتیبان و شبکه عصبی مصنوعی صورت گرفت .برای این منظور در این تحقیق از تصاویر ماهوارهای با توان تفکیک بالای ماهوارههای geoeye و quickbird مربوط به سال های 1385 و 1389 جهت شناسایی تغییرات در منطقه مطالعاتی شهرک آزادشهر واقع در ناحیه هشت از منطقه 22 استان تهران، استفاده شده است. نتایج به دست آمده نشان می دهد که روش پیشنهادی از نظر مقایسه کمی و کیفی در نشان دادن تغییرات در مقابل روش مقایسه پس از طبقه بندی از دقت بالاتری برخوردار بوده است و دقت کلی و ضریب کاپا با استفاده از روش شبکه عصبی برای نقشه تغییرات به دست آمده از این روش معادل 32/73 و 38/68 بوده است.این در حالی است که دقت روش مقایسه پس از طبقه بندی برای روش شبکه عصبی معادل 61/65 و ضریب کاپا برابر 96/48 به دست آمده است.