fa آشکارسازی تغییرات مناطق شهری در تصاویر بزرگ مقیاس ماهواره‌ای با استفاده از عوارض محلی فتوگرامتری و سنجش از دور Photo&RS پژوهشي Research آشکارسازی اتوماتیک تغییرات مناطق شهری با استفاده از تصاویر ماهواره‌ای بزرگ مقیاس، یکی از پردازش‌های مهم در فتوگرامتری و سنجش از دور است. روش‌های معمول جهت آشکارسازی تغییرات در تصاویر ماهواره‌ای عموماً بر مبنای مقایسه پس از طبقه‌بندی تصاویر هستند. این روش‌ها نیازمند ثبت دقیق تصاویر با یکدیگر می‌باشند. تصاویر ماهواره‌ای بزرگ مقیاس دارای تغییر‌شکل‌های محلی ناشی از ارتفاع عوارض زمینی بوده و ثبت دقیق آنها با یکدیگر بسیار دشوار می‌باشد. در این تحقیق روشی کارآمد و کاملاً اتوماتیک جهت شناسایی تغییرات در مناطق شهری با بهره‌گیری از تصاویر بزرگ مقیاس ماهواره‌ای ارائه شده‌است. روش پیشنهادی بر مبنای خصوصیات برجسته‌ی عوارض محلی در تصویر شامل گوشه‌ها، حباب‌ها و نواحی می‌باشد. جهت شناسایی مناطق تغییر یافته در دو تصویر ماهواره‌ای مربوط به دو زمان مختلف، در ابتدا عوارض محلی شامل گوشه‌های حاصل از الگوریتم تناسب فاز، حباب‌های حاصل از الگوریتم UR-SIFT و نواحی حاصل از الگوریتم MSER در تصاویر استخراج می‌شوند. در ادامه برای هریک از عوارض مستخرج توصیفگر کارآمد SIFT ایجاد شده و فرآیند تناظریابی میان آنها در یک ساختار شبکه‌ای انجام شده و تناظرهای اشتباه میان آنها با استفاده از یک روش جدید بر مبنای نسبت فواصل حذف می‌شوند. در مرحله‌ی بعد‌ تصویر تشابه میان تصاویر با استفاده از یک معیار جدید بر مبنای تناظرهای مستخرج ایجاد شده و با انتخاب اتوماتیک یک مقدار آستانه، مناطق تغییر یافته تصاویر تعیین می‌شوند. جهت ارزیابی روش پیشنهادی از دو تصویر ماهواره‌ای از دو سنجنده‌ی QuickBird و World view مربوط به سال‌های 2007 و 2011، شهر سانفرانسیسکو آمریکا استفاده شده‌است. نتایج بیانگر قابلیت بالای روش پیشنهادی در شناسایی تغییرات تصاویر با دقت بالا می‌باشد. The automatic change detection in urban environment using multitemporal high resolution satellite images is one of the fundamental processes in photogrammetry and remote sensing. Conventional approaches to automated building change detection relied to multitemporal images comparison based on multispectral classification methods. These approaches require accurate alignment between the two images to detect changes. Accurate registration of high resolution satellite images is a difficult process due to local distortion in these images due to relife displatement. This paper introduces a multi-temporal image processing approach towards an efficient and automated detection of urban changes. The proposed method is based on local features obtained from sequential images including corners, blobs and regions. In the first step, local features are extracted in each of the images using three well-known feature extractor operator incuding phase congruency, UR-SIFT method and MSER algorithm. Then, feature matching process in a gridding structure is performed between two feature sets using SIFT descriptor. This process followd by a new mismatch elimination method based on distance ratio. In the next step, a similarity image based on a new measure is estimated between multitemporal images. In final, using an automatic threshold changed regions are determined. The method has been evaluated by using QuickBird and World Wiew image for the area of the city of Sun francisco, USA. Experimental results prove the capabilities of the proposed change detection algorithm with appropriate accuracy in multitemporal high resolution satellite images. آشکارسازی تغییرات, تصاویر ماهواره‌ای بزرگ مقیاس, الگوریتم تناسب فاز, الگوریتم UR-SIFT, الگوریتم MSER, تناظریابی, تصویر تشابه Change Detection, High Resolution Satellite Images, Phase Congruency, UR-SIFT Algorithm, MSER Algorithm, Image Matching 1 16 http://jgst.issgeac.ir/browse.php?a_code=A-10-25-84&slc_lang=fa&sid=1 A. Sedaghat امین صداقت am.sedaghat@kntu.ac.ir 10031947532846001471 10031947532846001471 Yes دانشکده مهندسی نقشه‌برداری - دانشگاه صنعتی خواجه نصیرالدین طوسی H. Ebadi حمید عبادی ebadi@kntu.ac.ir 10031947532846001472 10031947532846001472 No دانشکده مهندسی نقشه‌برداری - دانشگاه صنعتی خواجه نصیرالدین طوسی M. R. Sahebi محمودرضا صاحبی sahebi@kntu.ac.ir 10031947532846001473 10031947532846001473 No دانشکده مهندسی نقشه‌برداری - دانشگاه صنعتی خواجه نصیرالدین طوسی Y. Maghsoudi یاسر مقصودی ymaghsoudi@kntu.ac.ir 10031947532846001474 10031947532846001474 No دانشکده مهندسی نقشه‌برداری - دانشگاه صنعتی خواجه نصیرالدین طوسی M. Mokhtarzadeh مهدی مختارزاده m_mokhtarzade@kntu.ac.ir 10031947532846001475 10031947532846001475 No دانشکده مهندسی نقشه‌برداری - دانشگاه صنعتی خواجه نصیرالدین طوسی