Гибридные методы автоматизированной идентификации изменений ландшафтного покрова по данным дистанционного зондирования Земли в условиях шумов
Афанасьев А.А., Замятин А.В.

Национальный исследовательский Томский государственный университет, Томск, Россия

Аннотация:
Рассмотрены наиболее используемые на практике методы автоматизированной идентификации изменений ландшафтного покрова по данным дистанционного зондирования Земли. На их основе предложены подходы к формированию гибридных методов. Приведены результаты экспериментальных исследований методов в условиях шумов различного типа и интенсивности. По результатам экспериментов определены гибридные методы, позволяющие получать результаты лучшего качества по сравнению с известными методами при автоматизированном решении задачи идентификации изменений.

Ключевые слова:
идентификация изменений ландшафта, динамика ландшафта, гибридные методы идентификации, обработка цифровых изображений, анализ изображений, дистанционное зондирование Земли и сенсоры, обнаружение.

Цитирование:
Афанасьев, А.А. Гибридные методы автоматизированной идентификации изменений ландшафтного покрова по данным дистанционного зондирования Земли в условиях шумов / А.А. Афанасьев, А.В. Замятин // Компьютерная оптика. – 2017. – Т. 41, № 3. – С. 431-440. – DOI: 10.18287/2412-6179-2017-41-3-431-440.

Литература:

  1. Khandelwal, P. Unsupervised change detection of multispectral images using wavelet fusion and kohonen clustering network / P. Khandelwal, K.K. Singh, B.K. Singh, A. Meh­rotra // International Journal of Engineering and Technology. – 2013. – Vol. 5(2). – P. 1401-1406.
  2. Lu, D. Change detection techniques / D. Lu, P. Mausel // International Journal of Remote Sensing. – 2004. – Vol. 25(12). – P. 2365-2401. – DOI: 10.1080/0143116031000139863.
  3. Hussain, M. Change detection from remotely sensed images: From pixel-based to object-based approaches / M. Hussain, D. Chen, A. Cheng, H. Wei, D. Stanley // ISPRS Journal of Photogrammetry and Remote Sensing. – 2013. – Vol. 80. – P. 91-106. – DOI: 10.1016/j.isprsjprs.2013.03.006.
  4. Lu, D. Current situation and needs of change detection techniques / D. Lu, G. Li, E. Moran // International Journal of Image and Data Fusion. – 2014. – Vol. 5(1). – P. 13-38. – DOI: 10.1080/19479832.2013.868372.
  5. Collins, J.B. An assessment of several linear change detection techniques for mapping forest mortality using multitemporal Landsat TM data / J.B. Collins, C.E. Woodcock // Remote Sensing of Environment. – 1996. – Vol. 56(1). – P. 66-77. – DOI: 10.1016/0034-4257(95)00233-2.
  6. Федосеев, В.А. Исследование методов выявления антропогенных изменений на земной поверхности по последовательности космических снимков высокого разрешения / В.А. Федосеев, Н.В. Чупшев // Компьютерная оптика. – 2012. – Т. 36, № 2. – С. 279-288.
  7. Ridd, M.K. A comparison of four algorithms for change detection in an urban environment / M.K. Ridd, J. Liu // Remote Sensing of Environment. – 1998. – Vol. 63(2). – P. 95-100. – DOI: 10.1016/S0034-4257(97)00112-0.
  8. Singh, A. Digital change detection techniques using remotely sensed data / A. Singh // International Journal of Remote Sensing. – 1989. – Vol. 10(6). – P. 989-1003. – DOI: 10.1080/01431168908903939.
  9. Васильев, К.К. Статистический анализ последовательностей многомерных изображений / К.К. Васильев, В.Р. Крашенников, А.Г. Ташлинский // Наукоёмкие технологии. – 2013. – № 5. – С. 5-11.
  10. Jianya, G. A review of multitemporal remote sensing data change detection algorithms / G. Jianya, S. Haigang, M. Gu­orui, Z. Qiming // The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. – 2008. – Vol. 37(B7). – P. 757-762.
  11. Dhakal, A.S. Detection of areas associated with flood and erosion caused by a heavy rainfall using multitemporal Landsat TM data / A.S. Dhakal, T. Amada, M. Aniya, R.R. Sharma // Photogrammetric engineering and remote sensing. – 2002. – Vol. 68(3). – P. 233-240.
  12. Yuan, D. NALC land cover change detection pilot study Washington D.C. area experiments / D. Yuan, C. Elvidge // Remote Sensing of Environment. – 1998. – Vol. 66(2). – P. 166-178. – DOI: 10.1016/S0034-4257(98)00068-6.
  13. Muchoney, D.M. Change detection for monitoring forest defoliation / D.M. Muchoney, B.N. Haack // Photogrammetric Engineering and Remote Sensing. – 1994. – Vol. 60(10). – P. 1243-1251.
  14. Macleod, R.D. A quantitative comparison of change detection algorithms for monitoring eelgrass from remotely sensed data / R.D. Macleod, R.G. Сongalton // Photogrammetric Engineering and Remote Sensing. – 1998. – Vol. 64(3). – P. 207-216.
  15. Mas, J.-F. Monitoring land-cover changes: a comparison of change detection techniques / J.-F. Mas // International Journal of Remote Sensing. – 1999. – Vol. 20(1). – P. 139-152. – DOI: 10.1080/014311699213659.
  16. Gong, P. Change detection using principal component analysis and fuzzy set theory / P. Gong // Canadian Journal of Remote Sensing. – 1993. – Vol. 19(1). – P. 22-29. – DOI: 10.1080/07038992.1993.10855147.
  17. Du, P. Fusion of difference images for change detection over urban areas / S. Liu, P. Gamba, K. Tan, J. Xia // IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. – 2012. – Vol. 5(4). – P. 1076-1086. – DOI: 10.1109/JSTARS.2012.2200879.
  18. Almutairi, A. Change detection accuracy and image properties: a study using simulated data / A. Almutairi, T.A. Warner // Remote Sensing. – 2010. – Vol. 2(6). – P. 1508-1529. – DOI: 10.3390/rs2061508.
  19. Афанасьев, А.А. Оценка применимости подходов к идентификации изменений ландшафтного покрова по данным дистанционного зондирования Земли / А.А. Афа­насьев, А.В. Замятин // Информационные технологии. – 2014. – № 4. – С. 38-42.
  20. Coppin, P.R. Processing of multitemporal Landsat TM imagery to optimize extraction of forest cover change features / P.R. Coppin, M.E. Bauer // IEEE Transactions on Geoscience and Remote Sensing. – 1994. – Vol. 32(4). – P. 918-927. – DOI: 10.1109/36.298020.
  21. Kauth, R.J. The tasselled cap – a graphic description of the spectral-temporal development of agricultural crops as seen by LANDSAT / R.J. Kauth, G.S. Thomas // LARS Symposia. – 1976. – P. 41-51.
  22. NiemeyerI. Change detection: The potential for nuclear safeguards / I. Niemeyer, S. Nussbaum. – In Book: Verifying Treaty Compliance / Ed. by R. Avenhaus, N. Kyria­kopoulos, M. Richard, G. Stein. – Berlin, Heidelberg: Springer, 2006. – P. 335-348.
  23. McDermid, G.J. Object-based approaches to change analysis and thematic map update: challenges and limitations / G.J. McDermid, J. Linke, A.D. Pape, D.N. Laskin, AJ. McLane, S.E. Franklin // Canadian Journal of Remote Sensing. – 2008. – Vol. 34(5). – P. 462-466. – DOI: 10.5589/m08-061.
  24. Al-Khudhairy, D.H.A. Structural damage assessments from Ikonos data using change detection, object-oriented segmentation, and classification techniques / D.H.A. Al-Khudhairy, I. Caravaggi, S. Giada // Photogrammetric Engineering & Remote Sensing. – 2005. – Vol. 71(7) – P. 825-837. – DOI: 10.14358/PERS.71.7.825.
  25. Гиенко, А.Я. Геоинформационное картографирование и мониторинг изменения окружающей среды / А.Я. Гиенко, Г.А. Гиенко, М.О. Говоров // Интерэкспо Гео-Сибирь. – 2012. – № 1. – C. 150-157.
  26. Шовенгердт, Р.А. Дистанционное зондирование. Модели и методы обработки изображений / Р.А. Шовенгердт. – М.: Техносфера, 2010. – 560 c. – ISBN: 978-5-94836-244-1.
  27. Radke, R.J. Image change detection algorithms: A systematic survey / R.J. Radke // IEEE Transactions on Image Processing. – 2005. – Vol. 14(3). – P. 294-307. – DOI: 10.1109/TIP.2004.838698.
  28. Dianat, R. On automatic threshold selection in regression method for change detection in remote sensing images / R. Dianat, S. Kasaei // Proceedings of the 4th International Symposium on Telecommunications. – 2008. – P. 1-6.
  29. Horne, E. New approach to dynamic thresholding / E. Hor­ne, M.K. Yanni // EUSIPCO-94: European Conference on Signal Processing, Edinburg. – 1994. – Vol. 1. – P. 34-44.
  30. Otsu, N. A threshold selection method from gray-level histograms / N. Otsu // IEEE Transactions on Systems, Man, and Cybernetics. – 1979. – Vol. 9(1). – P. 62-63. – DOI: 10.1109/TSMC.1979.4310076.
  31. Kittler, J. Minimum error thresholding / J. Kittler, J. Illing­worth // Pattern Recognition. – 1986. – Vol. 19(1). – P. 41-47. – DOI: 10.1016/0031-3203(86)90030-0.
  32. Richards, J.A. Remote sensing digital image analysis: An introduction / J.A. Richards, J. Xiuping. – Berlin: Springer, 1999. – 340 p. – ISBN: 978-3642300615.
  33. Ilsever, M. Two-dimensional change detection methods / M. Ilsever, C. Ünsalan. – London: Springer, 2012. – ISBN: 978-1-4471-4254-6.
  34. Pacifici, F. Change detection algorithms: State of the art. [Электронный ресурс]. – 2007. – URL: http://www.disp.uniroma2.it/earth_observation/pdf/CD-Al­gorithms.pdf (дата обращения 11.03.2016).
  35. Sohl, T. Change analysis in the United Arab Emirates: an investigation of techniques / T. Sohl, L. Terry // Photogrammetric engineering and remote sensing. – 1999. – Vol. 65(4). – P. 475-484.
  36. Lambin, E.F. Change-vector analysis in multitemporal space: A tool to detect and categorize land-cover change processes using high temporal-resolution satellite data / E.F. Lambin, A.H. Strahlers // Remote Sensing of Environment. – 1994. – Vol. 48(2). – P. 231-244. – DOI: 10.1016/0034-4257(94)90144-9.
  37. Shlens, J.A Tutorial on principal component analysis [Электронный ресурс]. – 2009. – URL: http://www.cs.uu.nl/docs/vakken/ddm/texts/Normal/pca.pdf (дата обращения 10.03.2016).
  38. Benlin, X. Study on independent component analysis’ application in classification and change detection of multispectral images / X. Benlin, L. Fangfang, M. Xingliang, J. Huazhong // The international archives of the photogrammetry, remote sensing and spatial information sciences. – 2008. – Vol. 37, Part B. – P. 871-875.
  39. Marchesi, S. ICA and kernel ICA for change detection in multispectral remote sensing images / S. Marchesi, L. Bruz­zone // Geoscience and Remote Sensing Symposium. – 2009. – Vol. 2. – P. 980-983. – DOI: 10.1109/IGARSS.2009.5418265.
  40. Hyvärinen, A. Fast and robust fixed-point algorithms for independent component analysis / A. Hyvärinen // IEEE Transactions on Neural Networks. – 1999. – Vol. 10(3). – P. 626-634. – DOI: 10.1109/72.761722.
  41. Hyvärinen, A. Independent component analysis: algorithms and applications / A. Hyvärinen, E. Oja // Neural networks. – 2000. – Vol. 13(4). – P. 411-430. – DOI: 10.1016/S0893-6080(00)00026-5.

© 2009, IPSI RAS
Россия, 443001, Самара, ул. Молодогвардейская, 151; электронная почта: ko@smr.ru ; тел: +7 (846) 242-41-24 (ответственный секретарь), +7 (846) 332-56-22 (технический редактор), факс: +7 (846) 332-56-20