شناسایی تغییرات تصاویر با استفاده از الگوریتم نظارت نشده ترکیبی بر اساس تبدیل کونترلت بدون نمونه گیری و خوشه بندی گوستافسون گسل

در این مقاله به منظور تشخیص تغییرات در تصاویر سنجش از دور چند زمانه، یک الگوریتم تشخیص تغییر ترکیبی بدون نظارت بر اساس تبدیل کونترلت بدون نمونه گیری ( NSCT ) و الگوریتم خوشه بندی گوستافسون کسل ( GKC) پیشنهاد می شود. در این روش، ابتدا تصویر لگاریتمی با استفاده از لگاریتم نسبت پیکسل های متناطر در تصاویر سنجش از دور چند زمانه بدست آمده و سپس از طریق این تصویر، بردار مشخصه چند مقیاسی و چند جهتی توسط تبدیل کونترلت بدون نمونه گیری استخراج می شود. این تبدیل از فیلتر بانک هایی استفاده نموده که باعث می گردد لبه های تصویر بهتر نشان داده شود و بهترین شرایط را برای تجزیه و تغییر ناپذیری انتقال ایجاد نماید. پس از بازسازی مجدد تصویر لگاریتمی، به منظور تصمیم گیری در مورد پیکسل های تغییر یافته و تغییر نیافته در هر مقیاس، روش آستانه سازی به کار گرفته می شود. آستانه با استفاده از الگوریتم خوشه بندی گوستافسون کسل تولید شده، که می تواند میان منطقه تغییر نیافته و تغییر یافته تمایز ایجاد کند، و نقاط بافت چند مقیاسی و چند جهتی را به دو گروه کلاس های تغییر یافته و تغییر نیافته طبقه بندی نماید، که در نهایت، نقشه تشخیص تغییر به دست خواهد آمد .

کلیدواژه ها:

پردازش تصویر ، تصاویر سنجش از دور ، شناسایی تغییرات ، تبدیل کونترلت بدون نمونه گیری ، الگوریتم خوشه بندی گوستافسون کسل