fa تلفیق شاخص‌های بزرگی و جهت تغییرات بمنظور تشخیص نظارت‌نشده تغییرات در تصاویر چندزمانه چندطیفی فتوگرامتری و سنجش از دور Photo&RS پژوهشي Research <div style="text-align: justify;"><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">تشخیص نظارت‌نشده تغییرات در تصاویر سنجش از دور چندزمانه عموماً بر مبنای آنالیز شاخص بزرگی تغییرات می‌باشد. در تصاویر چندطیفی می‌توان علاوه بر شاخص بزرگی تغییرات، شاخص جهت تغییرات را نیز با روابطی از جمله نگارنده زاویه طیفی محاسبه نموده و بکار گرفت. بررسی‌ها نشان می‌دهد؛ اغلب، شاخص جهت تغییرات در تشخیص نظارت‌نشده تغییرات مغفول واقع شده و کاربرد شاخص بزرگی تغییرات عمومیت بالایی دارد. شاخص‌های بزرگی و جهت تغییرات با ماهیت‌های مختلف، پتانسیل متفاوت و البته محدودی در تشخیص انواع مختلف تغییرات سطح زمین دارند. بنابراین این دو شاخص مکمل همدیگر محسوب می‌شوند. در مقاله حاضر به منظور استفاده همزمان از قابلیت شاخص‌های بزرگی و جهت تغییرات، یک شاخص جدید که تلفیق خطی وزن‌دار از دو شاخص نامبرده است، معرفی و مورد ارزیابی قرار گرفته است. در روش پیشنهادی، وزن‌های تلفیق هر یک از شاخص‌ها، متناسب با قابلیت آن شاخص در تشخیص نظارت‌نشده تغییرات بوده و بطور خودکار تعیین می‌شود. معیار </span></span><span dir="LTR">Xie-Beni</span> <span style="font-family:b nazanin;"><span style="font-size:11.0pt;">که با خوشه‌بندی جداگانه هر یک از شاخص‌های بزرگی و جهت تغییرات به دو خوشه تغییرات و عدم تغییرات تعیین می‌شود، بیانگر قابلیت آن شاخص در تشخیص نظارت‌نشده تغییرات است. بعد از تولید شاخص تغییرات تلفیقی، با اعمال تکنیک حدآستانه‌گذاری </span></span><span dir="LTR">Otsu</span><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">، نقشه تغییرات باینری نهایی تولید می‌شود. برای ارزیابی روش پیشنهادی، از دو مجموعه داده مختلف مربوط به دو منطقه با خصوصیات متفاوت، استفاده شد. در مجموعه داده اول با بکارگیری یک جفت‌تصویر دوزمانه چندطیفی، تغییرات پوشش اراضی ناحیه جنوبی دریاچه ارومیه در بازه زمانی 11 ساله (بین سالهای 1999 و 2010) مورد بررسی قرار گرفته و در مجموعه داده دوم با بکارگیری یک جفت تصویر دوزمانه چندطیفی دیگر، تغییرات پوششی و کاربری اراضی منطقه شهری مراغه (استان آذربایجان شرقی) و حاشیه آن در بازه زمانی 9 ساله (بین سالهای 1989 و 1998) بررسی شد. تصاویر سنجش از دور بکار رفته در این تحقیق تصاویر چندطیفی است که توسط سنجنده‌های</span></span><span dir="LTR">Landsat TM 4, 5, ETM+ </span>&nbsp;<span style="font-family:b nazanin;"><span style="font-size:11.0pt;">از مناطق مورد مطالعه اخذ شده ‌است. ارزیابی انجام گرفته از روش پیشنهادی در این دو مجموعه داده نشان داد؛ شاخص تغییرات تلفیقی با بهره‌مندی از پتانسیل متفاوت شاخص‌های بزرگی و جهت تغییرات، عملکرد بهتری نسبت به تک‌تک این شاخص‌ها داشته است. خطای کلی تشخیص تغییرات با شاخص تلفیقی در مجموعه داده اول برابر 17/10% می‌باشد که در مقایسه با شاخص‌های بزرگی و جهت تغییرات به ترتیب 78/21% و 11/6% کاهش یافته است و در مجموعه داده دوم نیز؛ خطای کلی تشخیص تغییرات با شاخص تلفیقی برابر 89/12% می‌باشد که نسبت به شاخص‌های بزرگی و جهت تغییرات به ترتیب کاهش 31/5 درصدی و 60/16 درصدی را به دنبال داشته است. </span></span><br> &nbsp;</div> <div style="text-align: justify;">In remote sensing, image-based change detection techniques, analyze two images acquired over the same area at different times t₁ and t₂ to identify the changes occurred on the Earth&#39;s&nbsp;surface. Change detection approaches are mainly categorized as supervised and unsupervised. Generating the change index is a key step for change detection in multi-temporal remote sensing images. Unsupervised change detection is generally based on the analysis of the magnitude of change index.<br> In multispectral remote sensing images, in addition to the magnitude of&nbsp;change&nbsp;index, the direction of&nbsp;change&nbsp;index&nbsp;could be calculated with similarity measures&nbsp;such as&nbsp;spectral angle mapper (SAM). Literature&nbsp;reveals&nbsp;that&nbsp;the&nbsp;magnitude of change index has been widely used in change detection of multispectral images, whereas the use of the direction of change index is always ignored. The magnitude and direction of change indices have different and limited capability for detecting different types of land cover change. These indices contain complementary information about the changed phenomenon. Combining the magnitude and direction of change indices would increase the performance of change detection in multi-temporal multispectral images.&nbsp;<br> In this paper, a new fused change index based on the weighted linear combination of magnitude and direction of change indices has been proposed. In the proposed method, the weighting parameter of each index is determined automatically based on the ability of that index for unsupervised change detection. The proposed method uses&nbsp;the Xie-Beni&nbsp;(XB) index as unsupervised change detection validity measure for determining the optimal combination weights. XB is a ratio-type index, which measures the within-cluster compactness against the between-cluster separateness. The more separate the clusters, the smaller the&nbsp;XB index. Hence, the combination weight of each index should be inversely related to XB index. After calculating the fused change index, a thresholding method should be applied to generate the binary change map. In this paper, Otsu&#39;s&nbsp;thresholding method has been used&nbsp;because of its simplicity, efficiency, and low computational cost.<br> The performance of the proposed approach has been evaluated on two bi-temporal and multispectral data sets having different properties (different types of land cover/land use changes). The first data set is made up of a couple of acquired multispectral images on the Urmia Lake (Iran) by the ETM+ sensor (mounted on the Landsat-7 satellite) and TM sensor (mounted on the Landsat-5 satellite) in August 1999 and September 2010 respectively. The second case study was conducted based on a couple of Landsat TM 4, 5 multispectral images acquired on the city of Maraghe (Iran) in June 1989 and June 1998 respectively. These data sets are characterized by a spatial resolution of 30 m&times;30 m and 6 spectral bands ranged from blue light to shortwave infrared (the 6th band of these images, which is in thermal infrared ranged, is not utilized due to low spatial resolution).<br> Experimental results show that direction and magnitude of change indices have&nbsp;different&nbsp;and restricted abilities&nbsp;to&nbsp;detect&nbsp;multiple changes due to their different properties. For this reason, direction and magnitude of change indices can only detect three of the four possible change categories, properly. The fusion of magnitude and direction of change indices in the proposed index makes it possible to more accurately detect all of the four change categories as compared with the individual indices alone. The total error (TE) of obtained binary change map (BCM) by proposed index in the first dataset is 10.17% which demonstrates 21.78% and 6.11% improvements in overall accuracy compared with the magnitude and direction of change indices respectively. Similarly, in the second case study, the fused change index (proposed approach) had a significantly lower total error (12.89%) than the magnitude of change index (18.20%) and the direction of change index (29.49%).</div> تشخیص تغییرات, شاخص بزرگی تغییرات, شاخص جهت تغییرات, نگارنده زاویه طیفی (SAM), معیار Xie-Beni Change Detection, Magnitude of Change Index, Direction of Change Index, Spectral Angle Mapper, Xie-Beni Index 91 108 http://jgst.issgeac.ir/browse.php?a_code=A-10-232-2&slc_lang=fa&sid=1 V. Sadeghi وحید صادقی v.sadeghi@tabrizu.ac.ir 10031947532846006019 10031947532846006019 Yes University of Tabriz دانشگاه تبریز