Resumen

Este artículo propone un enfoque basado en objetos para la detección supervisada de cambios mediante el análisis de incertidumbre para imágenes de muy alta resolución (VHR). En primer lugar, se combinan dos imágenes temporales en una sola mediante apilamiento de bandas. A continuación, por un lado, la imagen apilada se segmenta mediante la fusión estadística de regiones (SRM) para generar mapas de segmentación; por otro lado, la imagen apilada se clasifica mediante la máquina de vectores soporte (SVM) para producir un mapa de detección de cambios por píxel. Por último, se realiza un análisis de incertidumbre de los objetos segmentados para integrar el mapa de segmentación y el mapa de cambios por píxeles a la escala adecuada y generar el mapa de cambios final. Se realizaron experimentos con conjuntos de datos SPOT 5 y QuickBird para evaluar la eficacia del enfoque propuesto. Los resultados indican que el enfoque propuesto a menudo genera mapas de detección de cambios más precisos en comparación con algunos métodos y reduce los efectos de la clasificación y la escala del segmento en la precisión de la detección de cambios. El método propuesto proporciona un enfoque eficaz para la detección supervisada de cambios en imágenes VHR.

• Materias:Biotecnología Nanotecnología Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Nanotechnology Sensor networks Sensor system Sensor technology
• Palabras claves:enfoque, imagen, análisis de incertidumbre, mapas de detección de cambios precisos, mapa de detección de cambios acertado, conjuntos de datos quickbird, precisión de la detección de cambios, mapa de cambios final, detección de cambios supervisada, máquina de vectores soporte
• Keywords:approach, image, uncertainty analysis, accurate change detection maps, wise change detection map, quickbird data sets, change detection accuracy, final change map, supervised change detection, support vector machine