مروري بر روش هاي شناسايي تغييرات از تصاوير ماهواره‌اي چندزمانه با رويكرد پيكسل پايه و شئ پايه

Review of Change Detection Methods from Multitempolar Satellite Images by Pixel-Based and Object-Based Approach

داده­ های سنجش از دوری یكی از منابع مهم اطلاعات در بسیاری از كاربرد­های شناسایی تغییرات نظیر پایش منابع طبیعی در مقیاس‌های محلی، منطقه­ای و جهانی، نظارت بر تغییرات كاربری و پوشش اراضی و مطالعات محیط زیستی است. تغییر رفتار طیفی عوارض در طول زمان، مهمترین عامل در بكارگیری تصاویر ماهواره ­ای چندزمانه جهت شناسایی تغییرات می‌باشد. منظور از رفتار طیفی عوارض، خصوصیات طیفی و بافت آن­ها می­باشد. روش­های زیادی در جهت شناسایی تغییرات توسعه داده­شده كه به طور كلی در قالب روش­ های شئ­ پایه و پیكسل­ پایه ارائه شده ­اند. تحقیق حاضر به بررسی و مطالعه كلی این روش­ها می‌پردازد. در بسیاری از تحقیقات، جهت ارزیابی روش­های شناسایی تغییرات از یكسری داده ­های ورودی استفاده شده است و این الگوریتم­ ها از لحاظ سرعت، سادگی پیاده­سازی و صحت شناسایی تغییرات با هم مقایسه گردیده­اند و به نتایجی رسیده­اند كه در اكثر مواقع، این نتایج با نتایج سایر محققان، تناقض دارد. دقت حاصله از هر یك از روش­های شناسایی تغییرات تابعی از همخوانی بین الگوریتم­ ها و داده­ های ورودی است. در واقع دقت حاصله از این روش­ها مرتبط با مزیت ذاتی خود الگوریتم نمی ­باشد و هیچ­یك از الگوریتم­ ها یا تركیبی از آن­ها بطور مطلق نسبت به سایر روش­ها برتری ندارد. در این تحقیق سعی شده روش­های شناسایی تغییرات از جنبه ­های مختلف مورد بررسی قرار گیرد و اهداف هر یك از آن­ها بیان شود. 

Remote sensing data is an important source of information in many applications such as change detection of natural resources, regional, global and local scale, also monitoring of land use and land cover changes and environmental studies. The principle of using satellite images to change detection in multi-temporal satellite images is behavior of spectral change complications during the time. The order of spectral behavior of complications is spectral and texture characteristics of them. Many methods have been developed to change detection which have been made as object-base and pixel-base approaches. The present research focuses on review and study of these methods. In much research, the input data sets have been used for performance evaluation of change detection methods. And these algorithms were compared to each other in terms of speed, simplicity of implementation and change detection accuracy and In most cases The have been conclusions, which these results contradicted the results of other researchers. The accuracy of each method of change detection is a function of the consistency between the algorithms and input data. In fact, accuracy of these methods are not related to the inherent advantage of the algorithm and any algorithm or combination of them absolutely have not advantaged over other methods. In this study, tried that change detection methods are examined from different aspects and be expressed goals of each of them.