آشکارسازی تغییرات تصاویر ماهواره ای چند زمانه با استفاده از ترکیب روش های ماسک باینری و مقایسه پس از طبقه بندی

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.