كليدواژه :
معيار Xie-Beni , تشخيص تغييرات , شاخص بزرگي تغييرات , شاخص جهت تغييرات , نگارنده زاويه طيفي (SAM)
چكيده فارسي :
تشخيص نظارت نشده تغييرات در تصاوير سنجش از دور چندزمانه عموما بر مبناي آناليز شاخص بزرگي تغييرات مي باشد. در تصاوير چندطيفي مي توان علاوه بر شاخص بزرگي تغييرات، شاخص جهت تغييرات را نيز با روابطي از جمله نگارنده زاويه طيفي محاسبه نموده و بكار گرفت. بررسي ها نشان مي دهد؛ اغلب، شاخص جهت تغييرات در تشخيص نظارت نشده تغييرات مغفول واقع شده و كاربرد شاخص بزرگي تغييرات عموميت بالايي دارد. شاخص هاي بزرگي و جهت تغييرات با ماهيت هاي مختلف، پتانسيل متفاوت و البته محدودي در تشخيص انواع مختلف تغييرات سطح زمين دارند. بنابراين اين دو شاخص مكمل همديگر محسوب مي شوند. در مقاله حاضر به منظور استفاده همزمان از قابليت شاخص هاي بزرگي و جهت تغييرات، يك شاخص جديد كه تلفيق خطي وزن دار از دو شاخص نامبرده است، معرفي و مورد ارزيابي قرار گرفته است. در روش پيشنهادي، وزن هاي تلفيق هر يك از شاخص ها، متناسب با قابليت آن شاخص در تشخيص نظارت نشده تغييرات بوده و بطور خودكار تعيين مي شود. معيار Xie-Beni كه با خوشه بندي جداگانه هر يك از شاخص هاي بزرگي و جهت تغييرات به دو خوشه تغييرات و عدم تغييرات تعيين مي شود، بيانگر قابليت آن شاخص در تشخيص نظارت نشده تغييرات است. بعد از توليد شاخص تغييرات تلفيقي، با اعمال تكنيك حدآستانه گذاري Otsu، نقشه تغييرات باينري نهايي توليد مي شود. براي ارزيابي روش پيشنهادي، از دو مجموعه داده مختلف مربوط به دو منطقه با خصوصيات متفاوت، استفاده شد. در مجموعه داده اول با بكارگيري يك جفت تصوير دوزمانه چندطيفي، تغييرات پوشش اراضي ناحيه جنوبي درياچه اروميه در بازه زماني 11 ساله (بين سالهاي 1999 و 2010) مورد بررسي قرار گرفته و در مجموعه داده دوم با بكارگيري يك جفت تصوير دوزمانه چندطيفي ديگر، تغييرات پوششي و كاربري اراضي منطقه شهري مراغه (استان آذربايجان شرقي) و حاشيه آن در بازه زماني 9 ساله (بين سالهاي 1989 و 1998) بررسي شد. تصاوير سنجش از دور بكار رفته در اين تحقيق تصاوير چندطيفي است كه توسط سنجنده هايLandsat TM 4, 5, ETM+ از مناطق مورد مطالعه اخذ شده است. ارزيابي انجام گرفته از روش پيشنهادي در اين دو مجموعه داده نشان داد؛ شاخص تغييرات تلفيقي با بهره مندي از پتانسيل متفاوت شاخص هاي بزرگي و جهت تغييرات، عملكرد بهتري نسبت به تك تك اين شاخص ها داشته است. خطاي كلي تشخيص تغييرات با شاخص تلفيقي در مجموعه داده اول برابر 17/10% مي باشد كه در مقايسه با شاخص هاي بزرگي و جهت تغييرات به ترتيب 78/21% و 11/6% كاهش يافته است و در مجموعه داده دوم نيز؛ خطاي كلي تشخيص تغييرات با شاخص تلفيقي برابر 89/12% مي باشد كه نسبت به شاخص هاي بزرگي و جهت تغييرات به ترتيب كاهش 31/5 درصدي و 60/16 درصدي را به دنبال داشته است.
چكيده لاتين :
In remote sensing, image-based change detection techniques, analyze two images acquired over the same area at different times t1 and t2 to identify the changes occurred on the Earth's surface. Change detection approaches are mainly categorized as supervised and unsupervised. Generating the change index is a key step for change detection in multi-temporal remote sensing images. Unsupervised change detection is generally based on the analysis of the magnitude of change index.
In multispectral remote sensing images, in addition to the magnitude of change index, the direction of change index could be calculated with similarity measures such as spectral angle mapper (SAM). Literature reveals that the magnitude of change index has been widely used in change detection of multispectral images, whereas the use of the direction of change index is always ignored. The magnitude and direction of change indices have different and limited capability for detecting different types of land cover change. These indices contain complementary information about the changed phenomenon. Combining the magnitude and direction of change indices would increase the performance of change detection in multi-temporal multispectral images.
In this paper, a new fused change index based on the weighted linear combination of magnitude and direction of change indices has been proposed. In the proposed method, the weighting parameter of each index is determined automatically based on the ability of that index for unsupervised change detection. The proposed method uses the Xie-Beni (XB) index as unsupervised change detection validity measure for determining the optimal combination weights. XB is a ratio-type index, which measures the within-cluster compactness against the between-cluster separateness. The more separate the clusters, the smaller the XB index. Hence, the combination weight of each index should be inversely related to XB index. After calculating the fused change index, a thresholding method should be applied to generate the binary change map. In this paper, Otsu's thresholding method has been used because of its simplicity, efficiency, and low computational cost.
The performance of the proposed approach has been evaluated on two bi-temporal and multispectral data sets having different properties (different types of land cover/land use changes). The first data set is made up of a couple of acquired multispectral images on the Urmia Lake (Iran) by the ETM+ sensor (mounted on the Landsat-7 satellite) and TM sensor (mounted on the Landsat-5 satellite) in August 1999 and September 2010 respectively. The second case study was conducted based on a couple of Landsat TM 4, 5 multispectral images acquired on the city of Maraghe (Iran) in June 1989 and June 1998 respectively. These data sets are characterized by a spatial resolution of 30 m×30 m and 6 spectral bands ranged from blue light to shortwave infrared (the 6th band of these images, which is in thermal infrared ranged, is not utilized due to low spatial resolution).
Experimental results show that direction and magnitude of change indices have different and restricted abilities to detect multiple changes due to their different properties. For this reason, direction and magnitude of change indices can only detect three of the four possible change categories, properly. The fusion of magnitude and direction of change indices in the proposed index makes it possible to more accurately detect all of the four change categories as compared with the individual indices alone. The total error (TE) of obtained binary change map (BCM) by proposed index in the first dataset is 10.17% which demonstrates 21.78% and 6.11% improvements in overall accuracy compared with the magnitude and direction of change indices respectively. Similarly, in the second case study, the fused change index (proposed approach) had a significantly lower total error (12.89%) than the magnitude of change index (18.20%) and the direction of change index (29.49%).
