آشکار سازی تغییرات – بخش سوم (روش های جبری)

276 بازدید

اخبار ، مقالات و تحقیقات گروهی را دنبال کنید.

آموزش رایگان نرم افزار ENVI

در ENVI حرفه ای شو 🦾

0 تا 100 مفاهیم سنجش از دور

کاملا رایگان شروع کن 🧩

آموزش رایگان ArcGIS pro

واقعاااااا رایگاااااانه 🤗

آموزش گوگل ارث انجین

شدیدا توصیه شده 🌏

دانلود لندیوز 10 متری ایران و …

به کمک گوگل ارث انجین 🚀

کتاب موتور پردازش مجازی

اولین کتاب آموزش گوگل ارث انجین 📗

طبقه بندی تصاویر ماهواره ای

آشنایی با انواع روش ها 😲

پیش پردازش تصاویر ماهواره ای

هندسی – رادیومتریکی – اتمسفری 🀄

دانلود داده های آلتیمتری

ترازسنجی برای دریاچه ها 🧿

پوشش اراضی 10 متری

تولید شده توسط ESRI 🧐

نمایش سه بعدی در ArcGIS

مدل رقومی ارتفاع 🗻

مطالب پربازدید

روش دیگری که برای آشکارسازی تغییرات بین تصاویر ماهواره ای چند زمانه مورد استفاده قرار میگیرد مبتنی بر محاسبات ریاضیاتی است که با استفاده از عملگرهای ریاضیاتی بر روی تصاویر ماهواره ای اعمال میشود. عملگرهای ریاضیاتی امکانی را فراهم می آورند که بتوان تغییرات ایجاد شده در منطقه مورد مطالعه  را بصورت پیکسل به پیکسل مورد ارزیابی قرار داد. با…

روش دیگری که برای آشکارسازی تغییرات بین تصاویر ماهواره ای چند زمانه مورد استفاده قرار میگیرد مبتنی بر محاسبات ریاضیاتی است که با استفاده از عملگرهای ریاضیاتی بر روی تصاویر ماهواره ای اعمال میشود. عملگرهای ریاضیاتی امکانی را فراهم می آورند که بتوان تغییرات ایجاد شده در منطقه مورد مطالعه  را بصورت پیکسل به پیکسل مورد ارزیابی قرار داد. با وجود آنکه انواع عملگرهای ریاضیاتی میتوانندبر روی تصاویر ماهواره ای اعمال شوند اما روش های نسبت گیری به همراه اختلاف تصاویر ، محاسبه فاصله اقلیدسی تغییرات، به همراه آنالیزهای برداری تغییرات، به عنوان بهترین روشهایی هستند که برای آشکارسازی تغییرات بین تصاویر بدست آمده از زمان های مختتلف مورد استفاده قرار میگیرند.

یکی از پرکاربردترین متدهای مورد استفاده در این روش ها محاسبه اختلاف تصاویر بدست آمده از شاخص های پوشش گیاهی است. این روش در عین آنکه بسیار مورد استفاده قرار میگیرد، از دقت بهینه و مناسبی نیز برخوردار است. این روش که تنها مبتنی بر تفریق تصاویر است که تک تک پیکسل های دو تصویر ورودی از یکدیگر کم میشوند. در این شرایط آن دسته از پیکسل هایی که مقدار صفر و یا نزدیک به صفر دارند نشان دهنده کمترین میزان تغییرات بین دو زمان هستند. برای آنکه بتوان تغییرات ایجاد شده بین زمان های مختلف را به شکل بهتری شناسایی و آنالیز کرد لازم است تا از حداستانه های مختلف در این زمینه استفاده شود. با استفاده از حدآستانه ها تغییرات بصورت دسته بندی شده با شدت های مختلف نمایش داده میشود.

روش موثر دیگری که در این ساختار مورد استفاده قرار میگیرد مبتنی بر نسبت گیری تصاویر چند زمانه است. در این دسته از روش ها تصاویر بدست آمده از زمان های مختلف نسبت به یکدیگر تقسیم میشوند. این روش هم به عنوان یکی دیگر از روش های محبوب آشکارسازی تغییرات با استفاده از عملگرهای ریاضیاتی است. به عنوان مثال فرض کنید که یک پیکسل از یک منطقه جنگلی در اختیار داریم (زمان اول)و مقدار بازتاب 100 درباند مادون قرمز نزدیک برای آن ثبت شده است. همین پیکسل در زمان دوم از جنگل تبدیل به زمین بایر شده و مقدار 30 را در باند مادون قرمز نزدیک به خود اختصاص داده. در این شرایط میزان اختلاف بین این دو زمان برای یک پیکسل مشخص 100-30 = 70 و نسبت آن 100/30 = 3.3  است.

روش های مذکور در ارتباط با شناسایی تغییرات و تا حدی شدت آنها مورد استفاده قرار میگیرند. اکنون اگر بخواهیم شدت تغییرات را با دقتی بالاتر محاسبه کنیم بهتر است تا از روش فاصله اقلیدسی استفاده شود. با استفاده از روش فاصله اقلیدسی میتوان میزان شدت تغییرات را با استفاده از چندین باند مورد ارزیابی قرار داد. ریشه مربع  مجموع مربع فاصله ها برای اندازه گیری شدت تغییرات مورد استفاده قرار میگیرد. برای درک بهتر این موضوع به مثال زیر توجه کنید.

زمان 1 : باند مادون قرمز نزدیک(100)باند قرمز (10)- برای پوشش گیاهی

زمان 2: باند مادون قرمز نزدیک (30) باند قرمز (20) – برای پوشش خاکی

 

اختلاف باند های مادون قرمز نزدیک دو زمان : 100-30=70

اختلاف باند های قرمز دو زمان : 10-20 = -10

حال با استفاده از روش فاصله اقلیدسی میتوان جذر مجموع مریع فواصل دو زمان را محاسبه کرد.

D = sqrt((39^2)+(-10^2)) = 37.6

بنابراین با استفاده از فاصله اقلیدسی میتوان شدت تغییرات را با استفاده از چند باند مورد ارزیابی قرار داد.

تا این مرحله در ارتباط با شناسایی تغییر و عدم تغییر به همراه آشکارسازی شدت آن صحبت شد. حال اگر بخواهیم جهت تغییرات را شناسایی کنیم باید از چه روشی استفاده شود؟

ادامه دارد . . .

 

نوشته های مرتبط :

3 دیدگاه. ارسال دیدگاه جدید

  • علی ابراهیمی
    1397-10-27 12:12 ق.ظ

    درود استاد. بنده این مطلب آشکارسازی شما را تازه دیدم. بسیار جالب و کاربردی می باشد.
    لطفا راجب روش اقلیدسی بیتر توضیح بدهید و یا اگر محصولی در این رابطه دارید معرفی نمایید.
    آشکارسازی جهت تغییرات خیلی خیلی جالبه، لطفا اگه ادامه داره لینکشو محبت بفرمایید و یا حتی اگر محصول یا آموزشی در این رابطه وجود دارد بفرمایید.
    سپاسزارم.

    پاسخ
    • با سلام و احترام

      نرم افزار ENVI در بخش Change Detection عموم این الگوریتم ها را آورده و بصورت تجربی نیز میتوانید از آنها استفاده بفرمایید. امروز کمی درگیر وبینار استر هستم که ساعت ۶ برگزار میشود. به همین دلیل دیر پاسخ دادم. در ضمن شما میتوانید از مطالب کتاب آقای جنسن هم برای آشکارسازی تغییرات استفاده کنید. یک فصل را به همین موضوعات بصورت کاربردی پرداخته است.

      موفق باشید

      پاسخ

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

این فیلد را پر کنید
این فیلد را پر کنید
لطفاً یک نشانی ایمیل معتبر بنویسید.

keyboard_arrow_up