در این مقاله روشی برای آشکارسازی بدون نظارت تغییرات در تصاویر سنجش از دوری قطبیده راداری با روزنه مصنوعی ارائه شده است. این روش بر پایهی روش آنالیز نقطهی تغییر است. تابع چگالی احتمال تصاویر اختلاف، که در برگیرندهی تغییرات زمانی محیطی هستند، از توزیعهای آماری مشخصی برای هر کلاس پیروی میکنند. مدل آمیخته گاوسی یکی از مدلهای مناسب برای آنالیز نقطهی تغییر است که توانمندی مناسبی برای برآورد پارامترهای توزیعها از یک توزیع آمیخته دارد. این مدل میتواند نقطه برخورد دو توزیع را بهعنوان نقطهی تغییر دو کلاس تغییریافته و تغییرنیافته، یا همان حد آستانه را بهراحتی مشخص کند. روش پیشنهادی بر روی سه داده راداری پیادهسازی و مورد ارزیابی قرار گرفت. نقشه تغییر حاصل از دو مجموعهی داده در این تجزیهوتحلیل با استفاده از داده مرجع، دقت کلی برابر 82.97 و 96.34 درصد را نشان دادند. دادهی چند زمانه با قطبیدگی راداری کامل این پژوهش از یک منطقه کشاورزی بود. اطلاعات زمینی و اطلاعات تجزیه ماتریس پراکنش با دقت خوبی ارتباط این تغییرات را با فعالیتهای کشاورزی مانند مراحل رشد گیاه نشان داد. همچنین روش پیشنهادی با یکی از کاراترین روشهای برآورد حد آستانه، یعنی روش Otsu مقایسه شد که نتایج بهطور ویژه دقت بالاتری را نشان داد.
Kiana E, Homayouni S, Sharifi M A, FaridRohani M R. Environment Unsupervised Change Detection using Change Point Analysis in SAR Images. JGST 2016; 6 (2) :119-130 URL: http://jgst.issgeac.ir/article-1-446-fa.html
کیانا احسان، همایونی سعید، شریفی محمدعلی، فریدروحانی محمدرضا. آشکارسازی بدون نظارت تغییرات محیطی با استفاده از آنالیز نقطهی تغییر در تصاویر قطبیده راداری با روزنه مصنوعی. علوم و فنون نقشه برداری. 1395; 6 (2) :119-130