Simultaneous multi-source and multi-temporal land cover classification using a Compound Maximum Likelihood classifier

The most widely used change detection method is to classify remote sensing images independently for each date, and stack them to form a class sequence vector. However, impossible transitions within the sequences might occur and errors might be accumulated. To solve this, we propose a novel algorithm called Compound Maximum Likelihood (CML), based on the Maximum Likelihood classifier (ML). In CML information from all images is used jointly by considering the a priori probability of each class sequence. The algorithm was tested for Synthetic Aperture Radar and optical images classification in a study area in Pará state, within the Brazilian Amazon. CML presented either similar or very improved accuracy index values over ML land cover classifications. Resumo. O método de detecção de mudanças mais comumumente utilizado é comparar imagens classificadas independentemente para obter vetores de sequências de classes no tempo. No entanto, transições impossı́veis podem ser classificadas e erros são acumulados. Para solucionar esses problemas, propõese o algoritmo de Máxima Verossimilhança Composta (MVC), como uma extensão do classificador de Máxima Verossimilhança (MaxVer). No MVC, todas as imagens são usadas em conjunto, dada a probabilidade a priori de cada sequência de classes. Testou-se o MVC para classificar imagens ópticas e de Radar de Abertura Sintética de uma área do estado do Pará, na Amazônia. O MVC apresentou resultados ou similares ou consideravelmente melhores que MaxVer.