Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography (한국측량학회지)

Korean Society of Surveying, Geodesy, Photogrammetry and Cartography (한국측량학회)
권호 표지
DOI QR코드

DOI QR Code

Unsupervised Change Detection of Hyperspectral images Using Range Average and Maximum Distance Methods

구간평균 기법과 직선으로부터의 최대거리를 이용한 초분광영상의 무감독변화탐지

  • 김대성 (건국대학교 신기술융합학과) ;
  • 김용일 (서울대학교 건설환경공학부) ;
  • 편무욱 (건국대학교 신기술융합학과)
  • Received : 2011.01.23
  • Accepted : 2011.02.15
  • Published : 2011.02.28
Download PDF
⟨ Previous Next ⟩

Abstract

Thresholding is important step for detecting binary change/non-change information in the unsupervised change detection. This study proposes new unsupervised change detection method using Hyperion hyperspectral images, which are expected with data increased demand. A graph is drawn with applying the range average method for the result value through pixel-based similarity measurement, and thresholding value is decided at the maximum distance point from a straight line. The proposed method is assessed in comparison with expectation-maximization algorithm, coner method, Otsu's method using synthetic images and Hyperion hyperspectral images. Throughout the results, we validated that the proposed method can be applied simply and had similar or better performance than the other methods.

임계값 결정은 변화유무만을 판단하는 무감독변화탐지에 있어 매우 중요한 과정으로 인식되고 있다. 본 논문은 향후 수요 증가가 기대되는 원격탐사 데이터 중 하나인 초분광영상을 이용한 새로운 무감독변화탐지 기법을 제안하고 있다. 다중시기의 화소간 유사도 측정을 통해 도출된 결과값을 일정 간격으로 평균하여 그래프를 생성하고, 최대거리 기법을 적용하여 변화유무 정보를 추출하기 위한 임계값을 결정하였다. 참조자료를 취득할 수 있는 두 가지 의사영상을 통해 기대최대화 기법, 교점방법, Otsu 기법과 결과를 비교하여 성능을 평가하였으며, 이를 토대로 다중시기의 Hyperion 영상에 각 기법을 적용하여 변화탐지 결과를 확인하였다. 제안기법은 기존의 임계값 결정 기법과 비슷하거나 높은 정확도를 보였으며, 간단하게 적용할 수 있는 장점이 있어 향후 초분광영상을 이용한 무감독변화탐지에 효과적으로 사용될 수 있을 것으로 기대된다.

Keywords

References

  1. 김대성, 김형태 (2008), 누적 유사도 측정을 이용한 자동 임계값 결정 기법 - 다중분광 및 초분광영상의 무감독 변화 탐지를 목적으로, 대학원격탐사학회지, 대한원격탐사학회, 제 24권, 제 4호, pp. 341-349.
  2. 박노욱, 지광훈, 이광재, 권병두 (2003), 다중시기 원격탐사 화상의 변화탐지를 위한 임계치 자동 추정, 대한원격탐사학회지, 대한원격탐사학회, 제 19권, 제 6호, pp. 465-478. https://doi.org/10.7780/kjrs.2003.19.6.465
  3. Bazi, Y., Bruzzone, L., and Melgani, F. (2007), Image thresholding based on the EM algorithm and the generalized Gaussian distribution, Pattern Recognition archive, Vol. 40, No. 2, pp. 619-634. https://doi.org/10.1016/j.patcog.2006.05.006
  4. Bruzzone, L., and Prieto, D. F. (2000), Automatic Analysis of the Difference Image for Unsupervised Change Detection, IEEE Transactions on Geoscience and Remote Sensing, IEEE, Vol. 38, No. 3, pp. 1171-1182. https://doi.org/10.1109/36.843009
  5. Castellana, L., D'Addabbo, A., and Pasquariello, G. (2007), A Composed Supervised/unsupervised Approach to Improve Change Detection from Remote Sensing, Pattern Recognition Letters, IEEE, Vol. 28, No. 4, pp. 405-413. https://doi.org/10.1016/j.patrec.2006.08.010
  6. Frank, M., and Canty, M. (2003), Unsupervised Change Detection for Hyperspectral Images, JPL Publication, JPL, 8th publication.
  7. Lowe, D. G. (2004), Distinctive Image Features from Scaleinvariant Keypoints, International Journal on Computer Vision, IJCV, Vol. 60, No. 2, pp. 91-110. https://doi.org/10.1023/B:VISI.0000029664.99615.94
  8. Lu, D., Mausel, P., brondizio, E., and Moran, E. (2004), Change Detection Techniques, International Journal of Remote Sensing, IJRS, Vol. 25, No. 12, pp. 2365-2407. https://doi.org/10.1080/0143116031000139863
  9. Luthon, F., Lievin, M., and Faux, F. (2004), On the Use of Entropy Power for Threshold Selection, Signal Processing, Vol. 84, No. 10, pp. 1789-1804. https://doi.org/10.1016/j.sigpro.2004.06.008
  10. 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, Vol. 8, No. 1, pp. 3-17. https://doi.org/10.1016/j.jag.2005.06.001
  11. 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, ISPRS, Vol. 54, No. 4, pp. 221-233. https://doi.org/10.1016/S0924-2716(99)00023-4
  12. Otsu, N. (1979), A Threshold Selection Method from Graylevel Histograms, IEEE Transactions on Systems, Man, and Cybernetics, IEEE, Vol. 9, pp. 62?66. https://doi.org/10.1109/TSMC.1979.4310076
  13. Rechard, J. R., Srinvias, A., Omar, A., and Radrinath, R. (2005), Image Change Detection Algorithms: A Systematic Survey, IEEE Transactions on Image Processing, IEEE, Vol. 14, No. 3, pp. 294-307. https://doi.org/10.1109/TIP.2004.838698
  14. Rosin, P. L. (2001), Unimodal Thresholding, Pattern Recognition, Vol. 34, pp. 2083-2096. https://doi.org/10.1016/S0031-3203(00)00136-9
  15. Singh, A. (1989), Digital Change Detection Techniques Using Remotely Sensed Data, International Journal of Remote Sensing, IJRS, Vol. 10, No. 6, pp. 989-1003. https://doi.org/10.1080/01431168908903939
  16. Wu, Q. Z., Chen, H. Y., and Jeng, B. S. (2005), Motion Detection via Change-point Detection for Cumulative histograms of ratio images, Pattern Recognition Letters, Vol. 26, pp. 555-563. https://doi.org/10.1016/j.patrec.2004.09.010

Cited by

  1. Change detection algorithm based on amplitude statistical distribution for high resolution SAR image vol.31, pp.3, 2015, https://doi.org/10.7780/kjrs.2015.31.3.3
  2. 구간평균 그래프 기반의 버퍼존 개념을 적용한 Hyperion 초분광영상의 변화화소 추출 vol.29, pp.5, 2011, https://doi.org/10.7848/ksgpc.2011.29.5.487