Artículo de revista
Evaluation of spectral similarity indices in unsupervised change detection approaches
Fecha
2018-01-01Registro en:
ISSN: 2346-2183
Autor
Ramos, Jeisson Fabian
Renza, Diego
Ballesteros L., Dora M.
Institución
Resumen
Unsupervised change detection (UCD) is a subject of Remote Sensing whose objective is to detect the differences between two multi-temporal images. In some cases, spectral similarity indices have been used as the comparison block in algorithms of UCD. The aim of this paper is to show in a quantitative way the performance of four spectral similarity indices in the correct identification of changes. Comparison is performed in terms of precision (overall accuracy and kappa index) over medium and high-resolution images (SPOT-5: Satellite Pour l'Observation de la Terre and Quickbird), with a reference obtained through a post-classification method (based on Support Vector Machines, SVM). The results show dependence on the automatic thresholding technique, as well as on the classes associated with the change. La detección de cambios de forma no-supervisada (UCD) es un área de teledetección, cuyo objetivo consiste en encontrar las diferencias entre dos imágenes multi-temporales. En algunos casos, los índices de similitud espectral son utilizados como bloque de comparación de UCD. El objetivo de este documento consiste en analizar de forma cuantitativa el desempeño de cuatro índices de similitud espectral en la correcta identificación de cambios. La evaluación se realiza en términos de la precisión (mediante la precisión global e índice kappa) utilizando imágenes de media y alta resolución (SPOT-5: Satélite Para la Observación de la Tierra y Quickbird), así como una imagen de cambio de referencia obtenida a través de un método de post-clasificación (basado en Máquinas de Soporte Vectorial, SVM). Los resultados obtenidos presentan dependencia con la técnica automática de umbralización, así como con las clases asociadas con el cambio.