Journal of Geospatial Information Technology

fa آشکارسازی نظارت‌نشده تغییرات از تصاویر چندزمانه SAR مبتنی بر ادغام خوشه‌بندی و مدل منحنی فعال Unsupervised Change Detection in Multitempolar SAR Images Based on Integration of Clustering and Active Contour Model سیستمهای اطلاعات مکانی (عمومی) GIS پژوهشي Research در این تحقیق روشی جهت آشکارسازی نظارت‌نشده‌ی تغییرات در تصاویر چندزمانه SAR مبتنی بر ادغام خوشه‌بندی و مدل منحنی فعال ارائه‌شده است. در این روش، با استفاده از فیلتر گابور، در مقیاس و در جهات مختلف، اطلاعات بافتی تصویر استخراج می‌گردد و جهت کاهش وابستگی میان ویژگی‌های استخراجی و اطلاعات تصاویر، از آنالیز مؤلفه اصلی با هسته کرنل (KPCA) استفاده می‌شود. همچنین، برای تولید تصویر اختلاف از تبدیل موجک گسسته و به‌منظور تولید منحنی اولیه برای مدل منحنی فعال از خوشه‌بندی گوستافسون کِسل (GKC) استفاده می‌شود. در نهایت از مدل منحنی فعال ناحیه مبنای غیر پارامتریک برای تولید نقشه تغییرات، مبتنی بر مناطق تغییریافته و تغییرنیافته، استفاده می‌شود. جهت ارزیابی عملکرد روش پیشنهادی دو مجموعه تصاویر ماهواره‌ای چندزمانه با قدرت تفکیک مکانی بالا از سنجنده TerraSAR-x در نظر گرفته‌شده است. نتایج تجربی آشکارسازی تغییرات نشان می‌دهد که برای مجموعه داده اول میزان نرخ خطای کلِ روش پیشنهادی نسبت به مدل چان وِسChan–Vese))، روش زنجیره تصادفی مارکوف (MRF) و ادغام زنجیره مخفی تصادفی مارکوف و بیشینه‌سازی امید ریاضی (EMHMRF) به ترتیب 95/4 درصد، 30/3 درصد و 34/3 درصد کاهش‌یافته است و برای مجموعه داده دوم میزان نرخ خطای کل روش پیشنهادی نسبت به مدل Chan–Vese، روش MRF و EMMRF به ترتیب 56/2 درصد، 86/1 درصد و 87/1 درصد کاهش‌یافته است. همچنین نتایج نشان می‌دهد که استفاده از روش خوشه‌بندی GKC موجب تولید منحنی اولیه با حداقل زمان همگرایی برای مدل منحنی فعال گشته و استفاده از مدل منحنی فعال موجب افزایش دقت تولید نقشه تغییرات با استفاده از فرآیندی تکراری شده است. In this study, a method for unsupervised change detection in multi-temporal SAR images has been presented based on integrating clustering and active contour model. In this method, texture information is extracted by using Gabor filter in different scales and directions. KPCA transformation is also applied to reduce the dependency between the extracted features and image information. Moreover, Discrete Wavelet Transformation (DWT) and Gustafson-Kessel clustering (GKC) methods are used respectively to generate the difference image and the initial contour for the active contour model. In the final step, the region-based non-parametric active contour model is used for producing the change image containing changed and unchanged regions. For performance evaluation of the proposed method, two sets of high resolution multi-temporal TerraSAR-X images are considered. Experimental results of unsupervised change detection method show that,  the total error rate of the proposed approach for the first data set are decreased respectively to 4.95%, 3.30% and 3.34% compared to that of the  Chan-Vese, MRF and EMMRF methods and for the second data set, the total error rate of the proposed method are decreased to 2.56%, 1.86% and 1.87 As well. Moreover, the results showed that the use of GKC method leads to production of the initial curve with minimal convergence time for the active contour model. Also, the use of active contour model improves the accuracy of change map creation using a repititive process. تصاویر چندزمانه راداری, فیلتر گابور, خوشه بندی GKC, مدل منحنی فعال, SAR Multi-temporal SAR images, Gabor filtering, Gustafson-Kessel clustering (GKC), Active contour model. 21 37 http://jgit.kntu.ac.ir/browse.php?a_code=A-11-377-4&slc_lang=fa&sid=1 armin moghimi آرمین مقیمی moghimi.armin@gmail.com 10031947532846004899 10031947532846004899 Yes K.N.Toosi University of Technology دانشگاه صنعتی خواجه نصیرالدین طوسی safa Khazai صفا خزائی 10031947532846004900 10031947532846004900 No Imam Hussein Comprehensive University دانشگاه جامع امام حسین hamid ebadi حمید عبادی 10031947532846004901 10031947532846004901 No K.N.Toosi University of Technology دانشگاه صنعتی خواجه نصیرالدین طوسی