آشکارسازی تغییرات مناطق شهری در تصاویر بزرگ مقیاس ماهواره‌ای با استفاده از عوارض محلی

آشکارسازی اتوماتیک تغییرات مناطق شهری با استفاده از تصاویر ماهواره‌ای بزرگ مقیاس، یکی از پردازش‌های مهم در فتوگرامتری و سنجش از دور است. روش‌های معمول جهت آشکارسازی تغییرات در تصاویر ماهواره‌ای عموماً بر مبنای مقایسه پس از طبقه‌بندی تصاویر هستند. این روش‌ها نیازمند ثبت دقیق تصاویر با یکدیگر می‌باشند. تصاویر ماهواره‌ای بزرگ مقیاس دارای تغییر‌شکل‌های محلی ناشی از ارتفاع عوارض زمینی بوده و ثبت دقیق آنها با یکدیگر بسیار دشوار می‌باشد. در این تحقیق روشی کارآمد و کاملاً اتوماتیک جهت شناسایی تغییرات در مناطق شهری با بهره‌گیری از تصاویر بزرگ مقیاس ماهواره‌ای ارائه شده‌است. روش پیشنهادی بر مبنای خصوصیات برجسته‌ی عوارض محلی در تصویر شامل گوشه‌ها، حباب‌ها و نواحی می‌باشد. جهت شناسایی مناطق تغییر یافته در دو تصویر ماهواره‌ای مربوط به دو زمان مختلف، در ابتدا عوارض محلی شامل گوشه‌های حاصل از الگوریتم تناسب فاز، حباب‌های حاصل از الگوریتم UR-SIFT و نواحی حاصل از الگوریتم MSER در تصاویر استخراج می‌شوند. در ادامه برای هریک از عوارض مستخرج توصیفگر کارآمد SIFT ایجاد شده و فرآیند تناظریابی میان آنها در یک ساختار شبکه‌ای انجام شده و تناظرهای اشتباه میان آنها با استفاده از یک روش جدید بر مبنای نسبت فواصل حذف می‌شوند. در مرحله‌ی بعد‌ تصویر تشابه میان تصاویر با استفاده از یک معیار جدید بر مبنای تناظرهای مستخرج ایجاد شده و با انتخاب اتوماتیک یک مقدار آستانه، مناطق تغییر یافته تصاویر تعیین می‌شوند. جهت ارزیابی روش پیشنهادی از دو تصویر ماهواره‌ای از دو سنجنده‌ی QuickBird و World view مربوط به سال‌های 2007 و 2011، شهر سانفرانسیسکو آمریکا استفاده شده‌است. نتایج بیانگر قابلیت بالای روش پیشنهادی در شناسایی تغییرات تصاویر با دقت بالا می‌باشد.