Change Detection Analysis using Information Theoretic Measures on SAR Images
Notice bibliographique
Résumé
We discuss the use of two statistics for change detection in the context of Synthetic Aperture Radar (SAR) imagery. We show their application to a bi-temporal pair of HH and VV channel intensity images from RADARSAT-2 of an agricultural scene in Winnipeg, Manitoba, Canada. The images were acquired on 7th and 31st July 2012. One of the statistics is based on a stochastic distance viz., Hellinger distance, while the other is based on the Shannon entropy which provides a measure of randomness. We have assumed the Gamma model for the HH and VV channel intensity data with mean and number of looks as the two free parameters. Test statistics are often used to design hypothesis tests after theoretically deriving their asymptotic distributions. Such hypothesis tests, to have practical utility, require a judicious choice of sample size, and a level of significance for thresholding respectively. Instead of relying on the validity of the asymptotic distribution of test statistics (i.e. an implicit assumption for using p-values and levels of significance), in this work we use the test statistics as direct quantifiers of change. We apply a simple k-means clustering with k = 2 to these quantifiers in order to segregate change and no-change regions. With these, we show that the both information theoretic measures provide substantive evidence for change detection. The corresponding change maps are studied together to understand the complementary nature of the selected statistics. It is inferred that these two statistics may be used in tandem for better change detection analysis in SAR imagery.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».