fa آشکارسازی تغییرات تصاویر ماهواره‌ای چند زمانه با استفاده از ترکیب روش‌های ماسک باینری و مقایسه پس از طبقه‌بندی فتوگرامتری و سنجش از دور Photo&RS ترویجی Tarviji <p dir="RTL">تولید نقشه و اطلاعات قابل‌استفاده در یک سامانه اطلاعات مکانی هزینه و زمان قابل‌توجهی را به خود اختصاص می‌دهند که درنهایت این اطلاعات مبنای تصمیم‌گیری‌ها و فعالیت‌های بعدی به‌خصوص در مناطق شهری قرار می‌گیرند. بهنگام رسانی داده‌ها متضمن پیشرفت یک سامانه اطلاعات مکانی و استفاده درست از آن خواهد بود. فرآیند شناسایی تغییرات، زمینه را برای بهنگام رسانی اطلاعات فراهم می‌آورد و یکی از موضوعات کاربردی و چالش‌برانگیز در بسیاری از شاخه‌ها ازجمله: برنامه‌ریزی شهری، محیط‌زیست و سایر علوم مربوط به زمین است .تکنیک‌های متداولی که برای آشکارسازی تغییرات بکار گرفته می&rlm;شوند، معمولاً مبتنی بر پیکسل هستند<span dir="LTR">.</span> در این تحقیق از دو روش ماسک باینری و مقایسه پس از طبقه‌بندی به‌صورت ترکیبی بهره گرفته شد و سپس نتایج حاصل با روش مقایسه پس از طبقه‌بندی مقایسه شد. ماسک باینری توسط تلفیق روش حد آستانه گذاری فازی و حد آستانه گذاری اتوماتیک <span dir="LTR">otsu</span> ایجاد شد. سپس مقایسه توسط طبقه‌بندی کننده‌های بیشترین شباهت، کوتاه‌ترین فاصله، ماشین بردار پشتیبان و شبکه عصبی مصنوعی صورت گرفت .برای این منظور در این تحقیق از تصاویر ماهواره&shy;ای با توان تفکیک بالای ماهواره&shy;های <span dir="LTR">GeoEye</span> و <span dir="LTR">QuickBird</span>&nbsp; مربوط به سال‌های 1385 و 1389 جهت شناسایی تغییرات در منطقه مطالعاتی شهرک آزاد&shy;شهر واقع در ناحیه هشت از منطقه 22 استان تهران، استفاده شده است. نتایج به‌دست‌آمده نشان می‌دهد که روش پیشنهادی از نظر&nbsp; مقایسه کمی و کیفی در نشان دادن تغییرات در مقابل روش مقایسه پس از طبقه‌بندی از دقت بالاتری برخوردار بوده است و دقت کلی و ضریب کاپا با استفاده از روش شبکه عصبی برای نقشه تغییرات به‌دست‌آمده از این روش معادل 32/73 و 38/68 بوده است.این در حالی است که دقت روش مقایسه پس از طبقه‌بندی برای روش شبکه عصبی معادل 61/65 و ضریب کاپا برابر 96/48 به‌دست‌آمده است.</p> <p>Map production and usable information in Geospatial information system have notable cost and time allocated that finally such information and decisions are based further activities, especially in urban areas<span dir="RTL">.</span> Updating data involves the development of a geospatial information system and use of it. Change detection process, provides context for updating information and the latest applications and challenging in many branches include: urban planning, the environment and other sciences of the earth. Common techniques that used to Change detection, usually are based on pixels. In this study, two binary mask and post classification comparison method was used in combination and then compared the results of the comparative method of classification. Binary mask is a combination of Fuzzy thresholding and Automatic thresholding method such Otsu, Then comparing the classifiers such as, maximum likelihood, support vector machines, nearest neighbor and neural networks were used. The data set is provided by a couple of acquired very high resolution images on the Azadshahr region, District 22 of Tehran city (Iran) by the Quickbird and GeoEye sensors in 2006 and 2011 respectively. This data set is characterized by 3 visible spectral bands (Blue, Green and Red). The results show that the proposed method in terms of qualitative and quantitative comparison showing the changes against the post classification comparison method was more accurate and the overall accuracy and Kappa coefficient by using neural networks to map the changes resulting from this method is the equivalent of 73.32 and 68.38. However, the accuracy of the post classification comparison for neural networks of 65<span dir="RTL">.</span>61 and 48<span dir="RTL">.</span>96 against the kappa coefficient is obtained.</p> آشکارسازی تغییرات پیکسل پایه, حد آستانه گذاری اتوماتیک outso, ماسک باینری Pixel Based Change Detection,Automatic Otsu Thresholding,The Binary Mask 111 128 http://jgst.issgeac.ir/browse.php?a_code=A-10-306-1&slc_lang=fa&sid=1 F. Saeed zadeh فاطمه سعیدزاده fsaedzadeh@yahoo.com 10031947532846002600 10031947532846002600 Yes kntu university دانشگاه صنعتی خواجه نصیر الدین طوسی M. R. Sahebi محمودرضا صاحبی sahebi@kntu.ac.ir 10031947532846002601 10031947532846002601 No kntu university دانشگاه صنعتی خواجه نصیر الدین طوسی H. Ebadi حمید عبادی ebadi@kntu.ac.ir 10031947532846002602 10031947532846002602 No kntu university دانشگاه صنعتی خواجه نصیر الدین طوسی V. Sadeghi وحید صادقی vahid.sadeghi.1985@gmail.com 10031947532846002603 10031947532846002603 No kntu university دانشگاه صنعتی خواجه نصیر الدین طوسی