Zastosowanie transformacji IR-MAD w detekcji zmian na zdjęciach satelitarnych

• Autorzy: Aleksandrowicz S. , Lewiński S. , Kotarba A.

Warianty tytułu

EN

Application of IR-MAD transformation to change detection on satellite images

• Języki publikacji: PL

Abstrakty

PL

W drugiej połowie lat dziewięćdziesiątych została opublikowana metoda analizy MAD (Multivariate Alteration Detection) służąca do wykrywania różnic występujących w wielowymiarowych zbiorach danych. Opracowano ją specjalnie dla celów detekcji zmian na podstawie zdjęć wielospektralnych i hiperspektralnych zarejestrowanych w różnym czasie. W ramach programu SATChMo/Geoland2 w Centrum Badań Kosmicznych rozpoznano możliwości zastosowania transformacji IR-MAD do detekcji zmian podstawowych form pokrycia terenu na zdjęciach satelitarnych wysokiej rozdzielczości. Prezentowana praca została wykonana na podstawie pary zdjęć KOMPSAT-2 obrazującej tereny północnej Hiszpanii w roku 2008 i 2010. Zaproponowany algorytm postępowania analizuje wyniki transformacji IR-MAD oraz dodatkowo informacje o pokrywie roślinnej i teksturze. Transformacja IR-MAD wykonywana jest na podstawie czterech kanałów spektralnych B, G, R i IR o rozdzielczości 4m, zdjęcia z pierwszego i drugiego terminu. Informacje uszczegóławiające możliwość zmian pokrywy roślinnej są pozyskiwane na podstawie wskaźników NDVI, natomiast źródłem informacji o teksturze są przetworzone za pomocą filtrów Sigma kanały panchromatyczne o rozdzielczości 1 m. Przyjęto założenia rozpoznawania zmian w pokryciu terenu, które nie są wynikiem naturalnych cykli fenologicznych. Najpierw identyfikowane są miejsca występowania zmian, następnie istnieje możliwość uzyskania informacji o ich charakterze.

EN

In the second half of the 1990s, MAD (Multivariate Alteration Detection) method designed for detecting differences in multidimensional datasets was published. It was developed specifically for change detection performed on the basis of multispectral and hyperspectral images collected at different times. Within the framework of the European program SATChMo/Geoland2, the Space Research Centre of Polish Academy of Sciences has recognized the possibility of applying the IR-MAD transformation to detect changes of the main form of land cover on high resolution satellite images. Presented work was performed on the basis of a pair of KOMPSAT-2 images presenting area of Northern Spain in 2008 and 2010. The proposed algorithm analyses the results of the IR-MAD transformation and also additional information about vegetation cover and texture. Transformation of IR-MAD is performed on the basis of four spectral channels; B, G, R and IR with a resolution of 4 m, of the images from the first and second term. Additional information concerning a possibility of appearing changes in vegetation are derived on the basis of NDVI index and texture layer produced by Sigma filters of panchromatic channel of 1m resolution. An assumption was made for classified changes of land cover, which are independent of natural phenological cycles. First, places of changes are located and next information of their nature (direction of changes) is obtained.

Słowa kluczowe

PL

detekcja zmian; MAD; IR-MAD

EN

change detection; MAD; IR-MAD

• Wydawca: Zarząd Główny Stowarzyszenia Geodetów Polskich
• Czasopismo: Archiwum Fotogrametrii, Kartografii i Teledetekcji
• Rocznik: 2012
• Tom: Vol. 23
• Strony: 11--17
• Opis fizyczny: Bibliogr. 14 poz.

Twórcy

autor

Aleksandrowicz S.

• Centrum Badań Kosmicznych Polskiej Akademii Nauk, telefon: [phone], fax: [phone]

autor

Lewiński S.

• Centrum Badań Kosmicznych Polskiej Akademii Nauk, telefon: [phone], fax: [phone]

autor

Kotarba A.

• Centrum Badań Kosmicznych Polskiej Akademii Nauk, telefon: [phone], fax: [phone]

Bibliografia

• 1. Bruzzone L., Smits P., 2001. Analysis of Multi-Temporal Remote Sensing Images, Proceedings of Multitemp 2001, World Scientific Publishing Co. Pte. Ltd., Vol. 2.
• 2. Blaschke T., 2005. Towards a framework for change detection based on image objects. Remote Sensing and GIS for Environmental Studies, Gottinger Geographische Abhandlunger, Vol. 113.
• 3. Campbell J.B., 2002. Introduction to remote sensing. Third edition. Taylor & Francis.
• 4. Canty M. J., 2006. Image analysis, classification and change detection in remote sensing: with algorithms for ENVI/IDL.
• 5. Coppin, P.R., Bauer, M. E., 1996. Digital change detection in forest ecosystems with remote sensing imagery. Remote Sensing Reviews, 13, pp. 207–234.
• 6. Doxani G., Karantzalos K., Tsakiri-Strati M., 2008. Automatic change detection in urban areas under a scale-space, object-oriented classification framework. Ed. E. A. Addink and F.M.B. Van Coillie, GEOBIA 2010, Geographic Object-Based Image Analysis, Ghent, Belgium, 29 June–2 July
• 7. Hall O., Hay G. J., 2003. A Multiscale Object-Specific Approach to Digital Change Detection. International Journal of Applied Earth Observation and Geoinformation 4 (2003), pp. 311–327.
• 8. de Kok R., Wężyk P., 2008. Principles of full autonomy in image interpretation. The basic architectural design for a sequential process with image objects. In: Object-Based Image Analysis. Blaschke Th., Lang S., Hay G.J. (Eds). Series: Lecture Notes in Geoinformation and Cartography. Springer Berlin Heidelberg, ISSN: 1863-2246, pp. 697–710.
• 9. Jensen J. R., 2004 Introductory Digital Image Processing. A remote sensing perspective. Prentice-Hall Series in Geographic Information Science.
• 10. Jianya G., Haigang S., Guorui M., Qiming Z., 2008. A review of multi-temporal remote sensing data change detection algorithms. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. Vol. XXXVII. Part B7, pp. 757–762.
• 11. Lewinski S., Bochenek Z., Turlej K., 2010. Object-oriented method for classification of VHR satellite images using rule-based approach. Geoinformation Issues, Vol. 2, No 2.
• 12. Lu D., Mausel P., Brondizio E., Moran E., 2004. Change detection techniques. International Journal of Remote Sensing, 25, pp. 2365–2407.
• 13. Nielsen, A. A., Conradsen, K., Simpson, J. J., 1998. Multivariate alteration detection (MAD) and MAF processing in multispectral, bitemporal image data: New approaches to change detection studies, Remote Sensing of Environment, 64, pp. 1–19.
• 14. Nielsen A. A., 2007. The Regularized Iteratively Reweighted MAD Method for Change Detection in Multi- and Hyperspectral Data, IEEE Transactions on Image processing, Vol. 16, No. 2, pp. 463–478.