Original paper

Unsupervised Change Detection on SAR images using a New Fractal-Based Measure

Aghababaee, Hossein; Amini, Jalal; Tzeng, Yu -Chang; Sumantyo, Josaphat Tetuko Sri

Abstract

Change detection for land use/cover is very important in the application of remote sensing. This paper proposes a new fractal measure for automatic change detection in synthetic aperture radar (SAR) images. The proposed measure is computed based on the fractal dimension and intensity information. The fractal dimension is calculated using the wavelet multi-resolution analysis based on the concept of fractional Brownian motion. In the next stage, a binary decision is made at each pixel location to determine whether it is a change or not, by applying a threshold on the image derived from the proposed measure. The threshold is computed from the distribution of the proposed fractal measure using the well-known Otsu method. The proposed change indicator is compared to the classical log-ratio detector as well as two other statistical similarity measures, namely Gaussian Kullback-Leibler and cumulant-based Kullback-Leibler detectors. Experiments on simulated and real data show that the proposed approach achieves better results than the other detectors.

Kurzfassung

Die Detektion von Veränderungen der Landnutzung bzw. der Bodenbedeckung ist eine wichtige Anwendung der Fernerkundung. In diesem Beitrag wird ein neues Maß für die automatische Erkennung von Änderungen in Radarbildern mit synthetischer Apertur (SAR) auf Basis von Fraktalen vorgeschlagen. Dieses Maß wird aus der fraktalen Dimension und der Intensität der SAR-Bilder bestimmt. Die fraktale Dimension wird auf Basis einer Analyse mit mehrskaligen Wavelets berechnet und beruht auf dem Konzept der fraktalen Brownschen Bewegung. Anschließend wird in jedem Pixel eine binäre Entscheidung dahingehend getroffen, ob eine Veränderung vorliegt oder nicht, indem ein Schwellwert auf das Veränderungsmaß angewandt wird. Dieser Schwellwert wird aus der Verteilung des Veränderungsmaßes mit Hilfe der Otsu-Methode abgeleitet. Der vorgeschlagene Veränderungsindikator wird mit dem klassischen log-Verhältnis-Detektor sowie mit zwei anderen statistisch motivierten Ähnlichkeitsmaßen verglichen, nämlich mit dem Gaußschen Kullback-Leibler- und dem kumulierenden Kullback-Leibler-Detektor. Untersuchungen mit simulierten und realen Daten zeigen, dass der vorgestellte Ansatz bessere Ergebnisse liefert als andere verwendete Detektoren.

Keywords

change detectionfractal geometrywavelet multi-resolutionsar image