عنوان پایان‌نامه
کشف تغییرات در داده های تصویری سنجش از دوری به کمک آنالیز نقطه تغییر
- رشته تحصیلی
- مهندسی عمران- نقشه برداری- سنجش ازدور
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 3548;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 79988;کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 3548;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 79988
- تاریخ دفاع
- ۲۱ شهریور ۱۳۹۵
- دانشجو
- احسان کیانا
- استاد راهنما
- محمدعلی شریفی
- چکیده
- از جمله کاربردهای وسیع علم نقشه‌برداری و اطلاعات مکانی می‌توان به پایش محیط زیست و تغییرات آن برای مدیریت منابع طبیعی، برنامه‌ریزی و توسعه شهری، مدیریت آب‌های آزاد و آمایش سرزمین توسط ابزارآلات پیشرفته اشاره نمود. تصاویر رادار با روزنه مصنوعی چندزمانه منبع بسیار سودمندی برای آشکارسازی و نقشه‌برداری این تغییرات به‌ویژه در مناطق گسترده، در طول شبانه‌روز و تمام شرایط آب و هوایی است. مدل‌ها و روش‌های آماری و احتمالاتی به کمک بررسی این تغییرات آمده است. در روش‌های آشکارسازی تغییرات موقعیت‌های مشخصی به عنوان موقعیت‌های تغییر کرده و یا تغییر نکرده در بازه زمانی مورد مطالعه شناسایی می‌شوند. این در حالی است که ممکن است از دید کاربردی مشخص، موقعیت‌های شناسایی شده به عنوان تغییرات، تغییر نکرده باشند و برعکس. برای این منظور در این پایان‌نامه روشی به کمک مدل‌‌سازی آماری برای شناسایی تغییرات چندگانه مکانی و زمانی پیشنهاد شده است. برای شناسایی چندگانه تغییرات مکانی از مدل آمیخته گاوسی مبتنی بر الگوریتم‌های ژنتیک و منطق فازی و برای شناسایی چندگانه تغییرات زمانی از آنالیز نقطه‌ی تغییر بهره گرفته شده است که کلاس تغییرات و غیرتغییرات به کمک روش پیشنهادی متناسب با کاربردهای مشخص شناسایی، ارزیابی و دسته‌بندی می‌شوند. روش پیشنهادی بر روی دو سری داده تمام قطبیده راداری پیاده‌سازی و مورد ارزیابی قرار گرفته‌اند که با دقت کلی 96.52 و شاخص کاپا 0.91 به خوبی توانایی لازم برای شناسایی تغییرات مدنظر را نشان می‌دهند. بدین ترتیب کارفرمایان می‌توانند تغییرات مکانی و یا زمانی مدنظر خود را از بزرگ‌ترین تغییرات تا جزئی‌ترین تغییرات به کمک روش‌های پیشنهادی درخواست و رصد نمایند. واژه‌های کلیدی: شناسایی تغییرات بدون نظارت، تصاویر تمام قطبیده رادار با روزنه مصنوعی، مدل آمیخته گاوسی، الگوریتم ژنتیک، منطق فازی، آنالیز نقطه‌ی تغییر.
- Abstract
- Nowadays, Earth observation (EO) technology became an indispensable tool to help environmental monitoring, as well as their changes, for natural resources management, urban planning and development, water management and land use planning. In particular, radar EOs, unlike the optical ones, can be collected regardless of illumination and weather conditions. Multitemporal polarimetric synthetic aperture radar (PolSAR) images are useful source of information for detection and mapping the environmental changes, especially in wide areas, during the day and night and all weather conditions. Change detection methods can identify the change or no change conditions in land covers using the time series observations. However, from the perspective of specific application, these changes may be due to some variations in specific parameters, such as moisture, biomass, etc. and not the land cover. For this purpose, in this research statistical method were proposed for temporal and spatial change detection. The spatial component detects the changes using a Gaussian Mixture model based on genetic algorithms (GA) and fuzzy logic, while, the temporal component detects changes using Change Point Analysis (CPA). To evaluate the performance of this method, two SAR data sets acquired by Uninhabited Aerial Vehicle Synthetic Aperture Radar (UAVSAR) from a polar region and an agriculture area were used. The results show better efficiency when compared to the state-of-the-art methods with Overall Accuracy of 96.5% and Kappa Coefficient of 0.91. As a result, the proposed method, can be efficiently employed for land cover change detection and monition in natural resources management. Keywords: Unsupervised Change Detection, Polarimetric Synthetic Aperture Radar, Gaussian Mixture Model, Genetic Algorithm, Fuzzy Logic, Change Point Analysis, Crop
