ارائه روشي جهت نرمال‌سازي و هم مختصات نمودن تصاوير چند زمانه جهت آشكارسازي تغييرات

A method for normalization and co-registration of multi temporal imagery for change detection

تصاوير ماهواره‌اي جهت پايش و ارزيابي تغييرات پوشش‌هاي زميني در بازه‌هاي زماني به‌كار مي‌روند. همساني راديومتريكي و هندسي بين تصاوير چندزمانه و چند سنجنده اخذ شده، به علت تغييرات در سنجنده، شرايط جوي، زاويه تابش خورشيد و زاويه ديد سنجنده، به‌ندرت ممكن است وجود داشته باشد و مي‌تواند باعث ايجاد مشكل در آشكارسازي تغييرات شود. همسان‌سازي راديومتريكي و هندسي تصاوير چند زمانه و چند سنجنده‌اي كه از يك منطقه از سطح زمين براي آشكارسازي تغييرات و اختلافات نسبي عوارض زميني اخذ شده‌اند بسيار ضروري مي‌باشد. از داده‌هاي زميني جهت كاليبراسيون راديومتريك مطلق و يا عوارض شبه‌پايدار (PIF) جهت نرمال‌سازي راديومتريك نسبي تصاوير چند زمانه مي‌توان استفاده نمود، اما جمع‌آوري داده‌هاي زميني هزينه بر بوده و اخذ همزمان آنها با گذر ماهواره با مشكلاتي همراه است و همچنين انتخاب عوارض شبه‌پايدار نيز بصورت بصري بوده و نياز به نظارت كاربر دارد. در اين تحقيق به منظور نرمال‌سازي راديومتريكي و هندسي دو تصوير چند زمانه از منطقه يخچالي علم چال، روشي ارائه شده است. در اين تحقيق، انتخاب عوارض شبه‌پايدار به‌صورت خودكار و آماري مي‌باشد و تصاوير ماهواره‌اي به يك سطح راديومتريكي مرجع تبديل مي‌شوند. جهت هم مختصات سازي تصاوير، ابتدا نويز در آنها حذف شده و به‌صورت تكراري با استفاده از روش تناظريابي تصاوير، دو تصوير هم مختصات گرديدند. به‌منظور ارزيابي نتايج از مقايسه هيستوگرام تصاوير، پارامترهاي آماري و نقاط مستقل چك استفاده گرديد. نتايج نشان دهنده نزديكي پارامترهاي آماري دو تصوير همسان شده به‌يكديگر مي‌باشد، همچنين با استفاده از نقاط چك مقدار جذر ميانگين مربع خطاها روش هم‌مختصات سازي برابر 0/52 به‌دست آمد.

The multi-temporal Remote sensing data are unique tools for monitoring and detecting land cover change over time. Radiometric and geometric consistency among these multi-temporal data are difficult to maintain, due to variations in sensor characteristics and view, solar angle, and atmospheric conditions, and these variations can obscure surface change detection. The radiometric normalization and geometric co-registration of multi-temporal satellite imagery of the same terrain is often necessary for land cover change detection, e.g., relative differences. In previous studies, in order to obtain radiometric correction of multi temporal imagery, the ground reference data or pseudo-invariant features (PIFs) were used. Using the ground reference data collection is costly and difficult to acquire for most satellite remotely sensed images and the selection of PIFs is generally subjective and need the user’s supervision. In this research, we demonstrate a method for radiometric normalization and geometric co-registration between multi temporal images of the Alam-chal Glacier. The selection of PIFs has been done statistically, and the satellite images are normalized radiometrically to a common scale. In order to image co-registration, first the noise was removed and then repeatedly two images were registered using polynomials models and image matching. The proposed method was evaluated by histogram comparison, statistical parameters and independent check points. The results show that the statistical parameters of two image are nearly the same and the total RMSE of check points was 0.52 pixel.