Korean Journal of Remote Sensing (대한원격탐사학회지)

Korean Society of Remote Sensing (대한원격탐사학회)
권호 표지
DOI QR코드

DOI QR Code

Automatic Thresholding Method using Cumulative Similarity Measurement for Unsupervised Change Detection of Multispectral and Hyperspectral Images

누적 유사도 측정을 이용한 자동 임계값 결정 기법 - 다중분광 및 초분광영상의 무감독 변화탐지를 목적으로

  • Kim, Dae-Sung (Department of Civil & Environmental Engineering, Seoul National University) ;
  • Kim, Hyung-Tae (Korea Land Corporation, Land urban Research Institute)
  • 김대성 (서울대학교 건설환경공학부 공간정보연구실) ;
  • 김형태 (한국토지공사 국토도시연구원)
  • Published : 2008.08.30
Download PDF
⟨ Previous Next ⟩

Abstract

This study proposes new automatic thresholding method, which is important step for detecting binary change/non-change information using satellite images. Result value through pixel-based similarity measurement is calculated cumulatively with regular interval, and thresholding is pointed at the steep slope position. The proposed method is assessed in comparison with expectation-maximization algorithm and coner method using synthetic images, ALI images, and Hyperion images. Throughout the results, we validated that our method can guarantee the similar accuracy with previous algorithms. It is simpler than EM algorithm, and can be applied to the binormal histogram unlike the coner method.

본 논문은 위성영상을 이용한 변화정보를 취득하는데 있어 중요한 과정인 임계값 결정에 관한 새로운 기법을 제안하고 있다. 화소간 유사도 측정을 통해 도출된 결과 값을 일정 간격으로 누적 계산하고, 급격하게 변하는 지점을 임계값으로 결정하였다. 의사영상을 통해 기대최대화 기법, 교점방법과 성능을 비교하였으며, 두 시기의 ALI 영상과 Hyperion 영상에 실제 적용하여 변화탐지 결과를 확인하였다. 제안된 기법은 기존의 기법과 비슷한 수준의 변화탐지 결과 정확도를 확보할 수 있었으며, 기대최대화 기법에 비해 간단하게 적용할 수 있고, 교점방법과 달리 최빈 값을 둘 이상 가지는 히스토그램에도 적용할 수 있는 장점이 있어 향후 변화유무 정보 취득에 효과적으로 사용할 수 있을 것으로 기대한다.

Keywords

References

  1. 김대성, 김용일, 어양담, 2007. 변화탐지를 위한 Hyperion 초분광 영상의 자동 기하보정과 밴드선택에 관한 연구, 한국측량학회지, 25(5): 383-392
  2. 김대성, 김용일, 2006. 화소간 유사도 측정 기법을 이용한 하이퍼스펙트럴 데이터의 무감독 변화탐지에 관한 연구, 춘계학술대회 발표회 논문집, 한국측량학회, 243-248
  3. 김선화, 이규성, 마정림, 국민정, 2005. 초분광 원격탐사의 특성, 처리기법 및 활용 현황, 대한원격탐사학회지, 21(4): 341-369 https://doi.org/10.7780/kjrs.2005.21.4.341
  4. 박노욱, 지광훈, 이광재, 권병두, 2003. 다중시기 원격탐사 화상의 변화탐지를 위한 임계치 자동 추정, 대한원격탐사학회지, 19(6): 465-478 https://doi.org/10.7780/kjrs.2003.19.6.465
  5. Barry, P., 2001. EO-1/Hyperion Science Data User's Guide. TRW Space, Defense and Information Systems
  6. Bazi, Y., L. Bruzzone, and F. Melgani, 2007. Image thresholding based on the EM algorithm and the generalized Gaussian distribution, Pattern Recognition archive, 40(2): 619-634 https://doi.org/10.1016/j.patcog.2006.05.006
  7. Bruzzone, L. and D. F. Prieto, 2000a. Automatic Analysis of the Difference Image for Unsupervised Change Detection, IEEE Transactions on Geoscience and Remote Sensing, 38(3): 1171-1182 https://doi.org/10.1109/36.843009
  8. Bruzzone, L. and D. F. Prieto, 2000b. A Minimum-cost Thresholding Technique for Unsupervised Change Detection, International Journal of Remote Sensing, 21(18): 3539-3544 https://doi.org/10.1080/014311600750037552
  9. Carvalho, O. A. D. and P. R. Meneses, 2000. Spectral Correlation Mapper (SCM): An Improving Spectral Angle Mapper, Summaries of the Ninth JPL Airborne Earth Science Workshop, Pasadena, CA, 2000, vol. 1, pp. 65-74
  10. Castellana, L., A. D'Addabbo, and G. Pasquariello, 2007. A Composed Supervised/unsupervised Approach to Improve Change Detection from Remote Sensing, Pattern Recognition Letters, 28(4): 405-413 https://doi.org/10.1016/j.patrec.2006.08.010
  11. Frank, M. and M. Canty, 2003. Unsupervised Change Detection for Hyperspectral Images, JPL Publication, 8th publication
  12. Lu, D., P. Mausel, E. brondizio, and E. Moran, 2004. Change Detection Techniques, International Journal of Remote Sensing, 25(12): 2365-2407 https://doi.org/10.1080/0143116031000139863
  13. Luthon, F., M. Lievin, and F. Faux, 2004. On the Use of Entropy Power for Threshold Selection, Signal Processing, 84(10): 1789-1804 https://doi.org/10.1016/j.sigpro.2004.06.008
  14. Meer, F. V. D., 2006. The Effectiveness of Spectral Similarity Measures for the Analysis of Hyperspectral Imagery, International Journal of Applied Earth Observation and Geoinforrmation, 8(1): 3-17 https://doi.org/10.1016/j.jag.2005.06.001
  15. Metternicht, G., 1999. Change Detection Assessment using Fuzzy Set and Remotely Sensed Data: an Application of Topographic Map Revision, ISPRS Journal of Photogrammetry and Remote Sensing, 54(4): 221-233 https://doi.org/10.1016/S0924-2716(99)00023-4
  16. Rechard, J. R., A. Srinvias, A. Omar, and R. Radrinath, 2005. Image Change Detection Algorithms: A Systematic Survey, IEEE Transactions on Image Processing, 14(3): 294-307 https://doi.org/10.1109/TIP.2004.838698
  17. Rosin, P. L. and J. Hervas, 2005. Remote Sensing Image Thresholding Methods for Detemining Landslide Activity, International Journal of Remote Sensing, 26(6): 1075-1092 https://doi.org/10.1080/01431160512331330481
  18. Singh, A., 1989. Digital Change Detection Techniques Using Remotely Sensed Data, International Journal of Remote Sensing, 10(6): 989-1003 https://doi.org/10.1080/01431168908903939