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

آشکارسازی اتوماتیک تغییرات مناطق شهری با استفاده از تصاویر ماهواره ای بزرگ مقیاس، یکی از پردازش های مهم در فتوگرامتری و سنجش از دور است. روش های معمول جهت آشکارسازی تغییرات در تصاویر ماهواره ای عموماً بر مبنای مقایسه پس از طبقه بندی تصاویر هستند. این روش ها نیازمند ثبت دقیق تصاویر با یکدیگر می باشند. تصاویر ماهواره ای بزرگ مقیاس دارای تغییر شکل های محلی ناشی از ارتفاع عوارض زمینی بوده و ثبت دقیق آنها با یکدیگر بسیار دشوار می باشد. در این تحقیق روشی کارآمد و کاملاً اتوماتیک جهت شناسایی تغییرات در مناطق شهری با بهره گیری از تصاویر بزرگ مقیاس ماهواره ای ارائه شده است. روش پیشنهادی بر مبنای خصوصیات برجسته ی عوارض محلی در تصویر شامل گوشه ها، حباب ها و نواحی می باشد. جهت شناسایی مناطق تغییر یافته در دو تصویر ماهواره ای مربوط به دو زمان مختلف، در ابتدا عوارض محلی شامل گوشه های حاصل از الگوریتم تناسب فاز، حباب های حاصل از الگوریتم ur-sift و نواحی حاصل از الگوریتم mser در تصاویر استخراج می شوند. در ادامه برای هریک از عوارض مستخرج توصیفگر کارآمد sift ایجاد شده و فرآیند تناظریابی میان آنها در یک ساختار شبکه ای انجام شده و تناظرهای اشتباه میان آنها با استفاده از یک روش جدید بر مبنای نسبت فواصل حذف می شوند. در مرحله ی 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 می شوند. جهت ارزیابی روش پیشنهادی از دو تصویر ماهواره ای از دو سنجنده ی quickbird و world view مربوط به سال های 2007 و 2011، شهر سانفرانسیسکو آمریکا استفاده شده است. نتایج بیانگر قابلیت بالای روش پیشنهادی در شناسایی تغییرات تصاویر با دقت بالا می باشد.