Geri Dön

Change detection in multitemporal satellite images using multiscale bilateral filter and sift flow

Çoklu zamanlı uydu görüntülerinde çoklu ölçekli bileteral süzgeç ve sıft akışı ile değişiklik tespiti

PDF İndir

  1. Tez No: 513721
  2. Yazar: BAHAA AWAD
  3. Danışmanlar: DOÇ. DR. IŞIN YAZGAN ERER
  4. Tez Türü: Yüksek Lisans
  5. Konular: Mühendislik Bilimleri, Engineering Sciences
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2018
  8. Dil: İngilizce
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Telekomünikasyon Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 70

Özet

Geçtiğimiz on yılda, yörüngedeki uyduların sayısı katlanarak artmıştır. Bu uyduların kullanımı, iletişim, güvenlik ve ordudan iklim takibine ve daha birçok alana kadar çeşitli amaç ve uygulamalarda değişiklik göstermektedir. Dünyanın yüzeyini gözlemleyen uyduların sayısındaki bu artış, elde edilen verilerde ve uydu görüntülerinde artışa neden olmuştur. Ayrıca, sensör teknolojisinin yakın zamanda gelişmesi, uydulardan alınan görüntülerin çözünürlüklerinin artmasına, daha güvenilir ve doğru bir şekilde elde edilmesine imkan sağlamıştır. Yüksek çözünürlüklü algılayıcılara sahip uydular sayesinde, önceden elde edilemeyecek kadar yüksek çözünürlükte görüntüler elde edilmesi mümkün olmuştur. Değişim tespiti, iki öğe arasındaki farkı belirleme sürecidir. Çoklu-zamansal uydu görüntüleri, aynı coğrafi bölgeden farklı zamanlarda alınan en az iki görüntüden oluşan kümelerin genel adıdır. Zamansal uydu görüntülerinde değişim saptama ise; bu kümedeki aynı coğrafi bölgeye ait resimler arasındaki farkların bulunmasıdır. Uydulardan elde edilen görüntülerindeki değişim tespiti, iklim değişikliği, afet tahmini, hava durumu izleme, şehir planlaması ve tarımsal arazi değişimi takibi gibi birçok farklı alanda kullanılmaktadır. Uydu görüntülerinde değişim tespiti konusu verimli, güvenilir, hızlı ve doğru değişim tespiti algoritmalarına duyulan ihtiyaç nedeniyle hızla gelişmektedir. Bununla birlikte, değişim tespitine ait akademik literatürün zengin olmasına rağmen, literatürde önerilen yöntemler genelde hızlı ve tutarlı sonuçlar vermemekte, yavaş ve karmaşık kalmaktadırlar. Bu çalışmada literatürde karşılaşılan bu tarz problemleri ortadan kaldırmaya yönelik yöntemler önerilmiştir. Amaç, gürbüz, denetlenmeyen ve kolayca uygulanabilir hızlı bir değişim tespiti algoritması ortaya koymaktır. Varolan değişim tespit algoritmaları genelde 2 farklı zamanda alınmış görüntü farkı ile oluşturulan fark görüntüsünün kümelenmesi ya da kümeleme öncesi wavelet ya da contourlet dönüşümü gibi çoklu çözünürlük yöntemleri ile iyileştirilerek, ardından kümelenmesine dayanmaktadır. Ancak bu yöntemler arasında en iyi sonuç veren Contourlet tabanlı yöntemde görüntü çok ölçek ve yön bilgisi içeren alt görüntülere ayrılmakta ve çeşitli eşikleme ve füzyon adımları sonucunda iyileştirilmiş fark görüntüsü elde edilmektedir. Yöntem iyi sonuç vermesine rağmen süresi uzundur, gerçek zamanlı uygulamalar için uygun değildir. Bu çalışmada fark görüntüsünü iyileştirmek için çoklu çözünürlüklü bilateral süzgece dayanan yeni, hızlı ve basit bir yöntem önerilmiştir. Fark görüntüsü bilateral süzgeç ile bir dizi detay ve kalıntı görüntüsüne ayrıştırılmakta, detay görüntüleri uygun katsayılarla çarpılarak kuvvetlendirilmektedir. Sonuçta değiştirilmiş detay görüntüleri ve kalıntı görüntüsü toplanarak iyileştirilmiş fark görüntüsü oluşturulabilmektedir. Önerilen yöntem ile aynı şartlar altında daha iyi performans elde edilmiş ve hız büyük ölçüde artmıştır. Önerilen bilateral filtre metodunda bahsi geçen filtre doğrusal xxv olmayan ve ortalama alan bir filtredir: Yani, bilateral filtre, hedeflenen pikseli komşularının ağırlıklı ortalaması ile değiştirir; Bununla birlikte, bu piksellerin yoğunluklarındaki farkı dikkate alır. Bu özellik, bilateral filtrenin kenarları korurken görüntüleri düzleştirmesini sağlar. Fark görseli tabanlı değişim tespiti algoritmaları basitlikleri ve ideal şartlar altında gösterdikleri iyi performanslarına rağmen gerçeğe daha yakın görseller kullanılarak testler yapıldığında ideal duruma göre daha kötü performans sergilemektedirler. Fark görseli tabanlı algoritmalardaki problem,mküçük ve tutarlı değişimler gösteren görsellerdeki başarılarını büyük ve gerçek görsellerde gösterememeleridir. Bu çalışmada önerilen ikinci yöntem ise yoğun eşleme tabanlı görüntü eşlemeye dayanmaktadır. Daha spesifik olarak, değişim tespiti için SIFT Flow algoritmasını kullanılmıştır. Video işlemede daha yaygın olarak kullanılan SIFT Flow algoritması, verilen herhangi iki görüntüdeki pikselleri eşleştirmek için ölçekten bağımsız öznitelik dönüşümü (SIFT) kullanır. SIFT Flow son derece gürbüz ve hızlı çalışan bir algoritmadır. SIFT Flow temel olarak görüntü eşleştirme amacıyla tasarlanmıştır. Hareket tahmini, yüz tanıma, video sabitleme ve diğer birçok alanda uygulanmıştır. Bu çalışmada, değişim kestirimde SIFT akış algoritmasını kullanmanın yeni, ilginç ve basit bir yolunu önerilmiştir. Eğer iki farklı zaman diliminde çekilen aynı coğrafi konumdaki iki kayıtlı görüntüyü eşleştirmek için SIFT akışını kullanırsa, bu görüntülerin değişmeyen alanları birbiriyle eşleşecektir, böylece SIFT özellikleri akış konumlarında gözlenmeyecektir. Halbuki, değişen alanlar etrafında SIFT özellik akışı bulunacaktır. Değişiklik tespit algoritması olarak SIFT Flow algoritmasının gerçeğe yakın koşullar altında iyi çalışması, bu algoritmanın değişiklik tespitinde kullanılabileceğini göstermektedir. Ancak SIFT Flow, değişim haritalarında biraz abartılı ve genel sonuçlar vermektedir. Algoritmaları test etmek için iki veri seti kullanılmıştır. İlk veri seti, üç çift optik görüntüden oluşmaktadır. Bu veri setine internetten ulaşılabilmesi nedeniyle en son değişim tespit algoritmalarını test etmek için yaygın bir şekilde kullanılmaktadır. İkinci veri seti, yerel olarak elde edilir. Üç çift landsat görüntüden oluşur. 1988 ve 2013 yıllarında Antalya'da bölgeleri yakalamaktadır Bu veri seti daha gerçekçi ve algoritmalar için daha büyük bir zorluğu temsil ediyor. Sonuçların sayısal olarak temsil edilmesi söz konusu olduğunda, referans değişim haritasının olmaması bir problemdir.Bu yuzden, bilateral süzgeç tabanlı algoritma artifakt eklenmiş görüntüler üzerinde denenmiştir. Elde edilen değişim haritaları bilateral tabanlı yöntemin literatürde varolan benzer yöntemlere olan üstünlüğünü ortaya koymuştur. Ancak SIFT akış algoritması görsel olarak değerlendirilmiştir. Artifakt eklemenin literatürde yaygın bir yöntem olmasına rağmen, SIFT akışını bu şekilde değerlendirmek uygun değildir. SIFT akışı karmaşık veri kümelerinde iyi performans göstermekte, ancak yapay nesnelerin neden olduğu gibi görüntüdeki piksel seviyesi değişikliklerini belirlemede başarısız olmaktadır. Her 2 algoritmada farklı durumlarda başarılı olduğundan sonraki çalışmalarda ardarda kullanılmışlardır. Bu durumda edilen değişim haritaları, her bir algoritmadan sağlanan faydalara sahiptir. Bu iki algoritmayı birleştirmenin yararlarını daha iyi göstermek için değişim haritaları yerine ısı haritalarını kullanılmıştır. Değişim haritaları ikili olsa da, ısı haritaları, 0 ile 1 arasında bir değişimi temsil eder. Bu şekilde, iki algoritma birleştirildiğinde, daha az değişimin olduğu bölgeler, değişimin daha şiddetli olduğu xxvi bölgelere kaybolmaktadır. Böylelikle, genel değişim bölgesi ve en aşırı değişimin tam yeri hakkında eş zamanlı bir şekilde görülebilmektedir. Sonuç olarak kısaca özetlemek gerekirse, bu çalışmada küçük değişimlerde başarılı sonuçlar verip büyük değişimlerde nispeten daha az başarılı olan algoritma ile küçük değişimlerde nispeten daha az başarılı olup büyük değişimlerde daha başarılı sonuçlar veren iki ayrı algoritma ortaya konulmuştur. Böylelikle iki algoritma birbiriyle uyumlu çalışacak hale getirilirse, birbirini tamamlayarak daha iyi sonuçlar elde edilebilecektir. SIFT Flow algoritması ile büyük değişimler bulunurken, bilateral tabanlı yöntem ile küçük değişimler saptanabilir. Böylelikle önerilen bilateral filtre tabanlı algoritma ve SIFT Flow algoritmasının birbirlerini tamamlayacak şekilde birleştirilmesiyle yüksek hız ve verimde çalışacak, gürbüz ve istenen sonuçları verecek bir algoritma elde edilmiştir.

Özet (Çeviri)

In the past few decade the number of satellites orbiting earth has increased exponentially. These satellites vary in purpose and application ranging from communications, security, and military to climate monitoring and many more. This increment in the number of satellites observing earth's surface led to an abundance in remotely sensed data and satellite images. Furthermore, the recent development of new and advanced technology in the sensor field made images obtained thought satellites more reliable and accurate than ever. High-resolution satellite images provide a level of resolution unparalleled before. Change detection is process to establish and indicate the difference between two items. Multitemporal satellite images are a set of at least two satellite images of the same geographical area taken over different times. This makes change detection in multitemporal satellite images the process of establishing and indicting the difference between a set of at least two satellite images taken over different times. Change detection in remotely sensed images has many applications which range from climate change, disaster prediction, weather monitoring to urban planning and agricultural land change. The field of change detection in satellite images is growing rapidly due to necessity and need for efficient, reliable, fast and accurate change detection algorithms. However despite the abundance of literature facing these issues, truly reliable and accurate change detestation methods are scarce and even when they exist they tend to be slow and complex. The goal of this thesis is to introduce an accurate, robots, fast and unsupervised change detection algorithm. One of the most common methods of change detection are change detection algorithms that are based on the difference image. These algorithms typically use the difference of the two temporal images for further feature extraction and clustering. This makes them simple, fast and usually quite accurate. This makes building a difference image based algorithm a very enticing idea. Hence, the first algorithm proposed here, is an algorithm based on the difference image analysis. The bilateral filter is used to further enhance the difference image. This yields better features that can be used for clustering. The proposed algorithm checks many of the goals that were set in the beginning. It is accurate, fast and unsupervised. However, it underperforms in the robustness category. The problem with difference image based algorithms is that they fail on big real images, they work better on small images has a consistency in its change. This brings us to our second method; this method is based on image matching using dense correspondence. xxiii More specifically SIFT flow algorithm is utilized for change detection. The SIFT flow algorithm is more commonly used in video processing field. It uses scale invariant feature transform (SIFT) to match pixels in any two given images. SIFT flow is highly robust and extremely fast. A way to use this algorithm in change detection instead of its natural use is proposed: assuming that the two images have been previously registered. The SIFT flow between these two images will reflect change. False detections can be curbed by applying a threshold on the SIFT flow intensity. This method is simple in concept but extremely effective in application. The results of using SIFT flow as change detection algorithm proves to be good since it works under unideal conditions rather correctly. However the change map resulting from SIFT flow tents to be a little bit exaggerated and general. The two algorithms proposed so far are a perfect match for each other. The bilateral filter based algorithm finds small detail extremely accurately but underperforms when it comes to large regions of change. The SIFT flow based algorithm on the other hand locates the big areas of change correctly but struggles to find small details. This makes them a perfect match to each other, by applying SIFT flow first we can provide the bilateral based algorithm with the kind of data it likes, bordered areas of consistent change. By combining the two algorithms we can find accurate results on any scale of an image under any circumstance with high speed and efficiency, in other words we take the best of two worlds. The bilateral filter is first tested by presenting artifact to an image. The resulting image is considered the changed image. Then, the bilateral based algorithm is applied over these two images. The result is quantified by comparing the obtained change map to the artifact. Results using this approach show that the bilateral filter based algorithm performs much better than its peers in every aspect. Later, the SIFT flow algorithm and bilateral based algorithm are tested on more realistic data set. The results are presented in the form of change and heat maps. Change maps of the bilateral filter based method are rich in detail, however, they lack accuracy over large areas. SIFT flow based change maps are accurate but lack enough detail. On the other hand, the change maps obtained by combining the two algorithms are both rich in details and accurate.

Benzer Tezler

  1. Tez No

    541575

    Temporal change detection analysis using landsat and sentinel satellite images: A case study-Igneada floodplain forest national park

    Landsat ve sentinel uydu görüntüleri kullanılarak zamansal değişim analizi: İğneada longoz ormanları örneği

    MERVE TOKER

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. AYŞE FİLİZ SUNAR

  2. Tez No

    216815

    Uzaktan algılama ve coğrafi bilgi sistemleri entegrasyonu ile Tuz gölü ve yakın çevresinin zamana bağlı değişim analizi

    Multitemporal change detection on the Salt lake and surroundings by integrating remote sensing and geographic information systems

    SEMİH EKERCİN

    Doktora

    Türkçe

    Türkçe

    2007

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Jeodezi ve Fotogrametri Ana Bilim Dalı

    PROF.DR. CANKUT ÖRMECİ

  3. Tez No

    384927

    Multitemporal change detection on Urmia lake and its catchment area using remote sensing and geographical information systems

    Urmiye gölündeki zamansal değişimlerin uzaktan algılama ve CBS kullanılarak belirlenmesi

    YUSUF ALIZADE GOVARCHIN GHALE

    Yüksek Lisans

    İngilizce

    İngilizce

    2014

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    Assoc. Prof. Dr. ELİF SERTEL

  4. Tez No

    827837

    District-based urban sprawl monitoring and modelling using CA-Markov model: application in two mega cities

    İlçe bazlı kentsel yayılma izleme ve CA-Markov model ile modelleme: iki mega şehirde uygulama

    ANALI AZABDAFTARI

    Doktora

    İngilizce

    İngilizce

    2022

    İletişim Bilimleriİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    PROF. DR. AYŞE FİLİZ SUNAR

  5. Tez No

    439693

    Impervious surface estimation and mapping via remotely sensed techniques

    Uzaktan algılama teknikleri ile geçirimsiz yüzey tahmini ve haritalanması

    KAVEH KHORSHID

    Yüksek Lisans

    İngilizce

    İngilizce

    2016

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. FİLİZ BEKTAŞ BALÇIK

Geri Dön