شناسایی تغییرات محلی و سراسری در تصاویر اپتیک با استفاده از خوشه بندی K-Means بهینه شده با الگوریتم ازدحام ذرات

مبحث شناسایی تغییرات از تصاویر سنجش ازدوری با توجه به لزوم کاربرد آن در حیطه های مختلف ازجمله مدیریت شهری و غیرشهری و پایش رشد نواحی از اهمیت بالایی در بین پژوهشگران این عرصه برخوردار است. روش ها و تکنیک های متفاوتی به منظور آشکارسازی تغییرات ارائه شده است. یکی از دسته بندی های رایج درزمینه ی تکنیک های شناسایی تغییرات، تقسیم بندی به دو روش نظارت شده و نظارت نشده می باشد. روش های نظارت نشده بر اساس اطلاعات تصویری بوده و از کمترین اطلاعات جانبی برای تصمیم گیری در مورد پیکسل ها استفاده می کنند. در این مقاله روش شناسایی تغییرات خودکار جدیدی از تصاویر سنجش ازدوری بر اساس الگوریتم خوشه بندی K-Means بهبودیافته با الگوریتم بهینه سازی ازدحام ذرات پیشنهادشده است. هدف از روش ارائه شده استخراج خودکار مناطق تغییرات میان دو تصویر سنجش ازدوری دو زمانه می باشد. با توجه به اینکه در اغلب مناطق طیف وسیعی از تغییرات وجود دارد، روش ارائه شده قادر به شناسایی تغییرات محلی و درعین حال حفظ اطلاعات کلی تصویر خواهد بود. روش پیشنهادی بر روی دو پایگاه داده از مناطق آلاسکا و دریاچه ارومیه پیاده سازی شده و افزایش دقت شناسایی تغییرات 8 تا 13 درصدی را نسبت به روش های Otsu،K-Means، K-Medoids و FCM نشان می دهد.