Original paper

Curvelet-based Change Detection on SAR Images for Natural Disaster Mapping

Schmitt, Andreas; Wessel, Birgit; Roth, Achim

Abstract

This paper focuses on the use of SAR data in the context of natural disasters. A Curvelet-based change detection algorithm is presented that automatically extracts changes in the radar back-scattering from two TerraSAR-X acquisitions - pre-disaster and post-disaster - of the same area. After a logarithmic scaling of the geocoded amplitude images the Curvelet-transform is applied. The differentiation is then done in the Curvelet-coefficient domain where each coefficient represents the strength of a linear structure apparent in the original image. In order to reduce noise the resulting coefficient differences are weighted by a special function that suppresses minor, noise-like structures. The resulting enhanced coefficients are transformed back to the image domain and brought to the original scaling, so that the values in the difference image describe the increase and the decrease with respect to the amplitude value in the initial image. This approach is applied on three crisis scenarios: flood, forest fire, and earthquake. For all scenarios including natural landscapes and urban environments as well areas with changes in the radar amplitude are clearly delineated. The interpretation of the changes detected in the radar images needs additional knowledge, e.g., pre-disaster maps. The combination of both could possibly deliver a robust and reliable database for the coordination of rescue teams after large-scale natural disasters.

Kurzfassung

Fernerkundung im Krisenkontext basiert auf einer schnellen und zuverlässigen Datenakquisition. Radarsysteme sind für diesen Zweck aufgrund ihrer i. A. wetter- und beleuchtungsunabhängigen Aufnahme besonders geeignet. In diesem Artikel wird eine Methode vorgestellt, aus zeitlich versetzten Aufnahmen des deutschen Radarsatelliten TerraSAR-X vollautomatisch Veränderungen abzuleiten. Die geokodierten Radaramplitudenbilder werden dazu logarithmisch skaliert und mithilfe der Curvelet-Transformation in den Curvelet-Koeffizientenraum überführt. Jeder Koeffizient entspricht hier der Stärke einer bestimmten linearen Struktur im Bild. Aus den Koeffizienten zweier Bilder kann nun ein Differenz-Koeffizientenbild berechnet und anschließend durch eine spezielle Gewichtungsfunktion verbessert werden. Während starke Strukturen unverändert übernommen werden, erfolgt für Strukturen mittlerer Stärke eine kontinuierliche Herabgewichtung bis zum kompletten Entfernen zu schwacher Strukturen. Auf diese Weise wird nicht nur die Anzahl der Koeffizienten, sondern auch das Rauschen im Bild deutlich verringert und der Bildinhalt auf die wichtigsten Strukturen beschränkt. Nach der Rücktransformation in den Bildraum und die ursprüngliche Skalierung kann die Änderung anteilig in Bezug auf die Ausgangsamplitude als Zu- und Abnahme dargestellt werden. Zur Demonstration des Potentials der Curvelet basierten Änderungserkennung werden drei Anwendungsfälle aus dem Krisenkontext vorgestellt: Überflutung, Waldbrand, Erdbeben. In allen drei Fällen lässt sich die von der Katastrophe betroffene Fläche eindeutig von Flächen ohne Änderung abgrenzen. Die Interpretation dieser Änderungen ist jedoch ohne Zusatzwissen nicht möglich. Eine Verschneidung der Ergebnisse der Änderungserkennung mit bestehenden Geoinformationen hingegen liefert eine verlässliche Datengrundlage für die Organisation von Rettungskräften nach Naturkatastrophen.

Keywords

sarchange detectionalternative image representationcurvelets