تشخیص ساختمان با استفاده از تصاویر رادرای SAR با توجه به کاربرد گسترده آن بسیار مورد توجه است. اما پیچیدگی تصاویر SAR تشخیص اشیا را با چالشهای زیادی مواجه کرده است. یکی از عوامل تاثیرگذار بر شدت روشنایی تصاویر SAR هندسه دید است که باعث تغییر شکل ساختمان و حتی در برخی از موارد دیده نشدن ساختمان در تصاویر راداری میشود. هندسهدید شامل زاویه برخورد، زاویه دید، زاویه کجی و جهت تصویربرداری است که در منابع تحقیقاتی کمتر به آن پرداخته شده است. در این مقاله قصد داریم ساختمانهایی که متأثر از تغییر پارامتر هندسهدید هستند را استخراج کرده و علت تغییر آن را تحلیل و اثبات کنیم. به عبارت دیگر، با استفاده از آشکارسازی تصاویر با زاویه برخورد مختلف، جهت گیری ساختمانهایی که متاثر از این تغییر است، شناسایی میشوند. بدین منظور از تصاویر سری زمانی ماهواره سنتینل۱ مربوط به منطقه باغستان تهران استفاده شده است. با استفاده از روش آشکارسازی تغییرات CMV2 نتایج نشان داده است که با تغییر ˚10 زاویه برخورد، سولههای کارگاهی یا کارخانهای در جهت ˚20 نسبت به افق از تصویر راداری حذف خواهند شد.
Schowengerdt, R. A. “Remote Sensing: Models and Methods for Image Processing”; Elsevier, New York. 2007.##
Bayer, T.; Winter, R.; Schreier, G. “Terrain influences in SAR Backscatter and Attempts to Their Correction”; IEEE Trans. Geosci. Remote Sensing 1991, 19, 451-462.##
Amjadipour, F.; Dehghani, H.; Fallahpour, B. “Change Detection in SAR Images by Considering the Effect of Visibility Geometry”; M.Sc. thesis of Malek Ashtar University of Technology, 2019 (In Persian).##
Singh, A. “Digital Change Detection Techniques Using Remotely-Sensed Data”; Int. J. remote sensing 1989, 10, 989-1003.##
Celik, T. “Unsupervised Change Detection in Satellite Images Using Principal Component Analysis And-Means Clustering”; IEEE Geosci. Remote Sensing Letters 2009, 6, 772-776.##
Mishra, N. S.; Ghosh, S.; Ghosh, A. “Fuzzy Clustering Algorithms Incorporating Local Information for Change Detection in Remotely Sensed Images”; Applied Soft Computing 2012, 12, 2683-2692.##
Moghimi, A.; Ebadi, H.; Sadeghi, V. “Unsupervised Change Detection from Multitemporal SAR Images Using Clustering Based on Genetic Algorithm and Hidden Markov Random Field Model”; 1st National Conf. Geospatial Information Technology 2016, 19.##
Ghosh, S.; Patra, S.; Ghosh, A. “An Unsupervised Context-Sensitive Change Detection Technique based on Modified Selforganizing Feature Map Neural Network”; Int. J. Approximate Reasoning 2009, 50, 37-50.##
Volpi, M.; Camps-Valls, G.; Kanevski, M. “Unsupervised Change Detection with Kernels”; IEEE Geosci. Remote Sensing Letters 2012, 9, 1026-1030.##
Moghimi, A.; Ebadi, H.; Sadeghi, V. "Unsupervised Change Detection from Multitemporal SAR Images Using Clustering Based on Genetic Algorithm and Hidden Markov Random Field Model”; 1st National Conf. Geospatial Inform. Technol. 2016, 19.##
Ghanbari, M.; Akbari, V.; Abkar, A. A.; Sahebi, M. R. “Minimum-Error Thresholding for Unsupervised Change Detection in Multilook Polarimetric SAR Images”; J. Geomatics Sci. Technol. 2015, 5, 17-29.##
Bazi, Y.; Melgani, F.; Al-Sharari, H. D. “Unsupervised Change Detection in Multispectral Remotely Sensed Imagery with Level Set Methods”; IEEE Trans. Geosci. Remote Sensing 2010, 48, 8, 3178-3187.##
Celik, T.; Ma, K. K. “Multitemporal Image Change Detection Using Undecimated Discrete Wavelet Transform and Active Contours”; IEEE Trans. Geosci. Remote Sensing 2011, 49, 706-716.##
Cumming, I. G.; Wong, F. H. "Digital Processing of Synthetic Aperture Radar Data”; Artech House, London. 2005.##
Melvin, W. L.; Scheer, J. A. “Principles of Modern Radar”; SciTech, 2013.##
Ferretti, A. “Satellite InSAR Data, Reservoir Monitoring from Space”; DB Houten, the Netherlands: EAGE Publications, Education Tour Series, 2014.##
Zhang, W.; Baoxin, H.; Glen, S. B. “Automatic Surface Water Mapping Using Polarimetric SAR Data for Long-Term Change Detection”;Water 2020, 12, 872.##
Srivastava, H. S.; Patel, P.; Sharma, Y.; Navalgund, R. “Large-Area Soil Moisture Estimation Using Multi-Incidence-Angle RADARSAT-1 SAR Data”;IEEE Trans. Geosci. Remote Sensing 2009, 47, 2528-2535.##
O’Hara, R.; Green, S.; McCarthy, T. “The Agricultural Impact of the 2015–2016 Floods in Ireland as Mapped Through Sentinel 1 Satellite Imagery”;Irish J. of Agricultural and Food Research 2019, 58, 1, 44-65.##
Tripathi, G. “Flood Inundation Mapping and Impact Assessment Using Multi-Temporal Optical and SAR Satellite Data: a Case Study of 2017 Flood in Darbhanga District, Bihar, India”;Water Resources Management 2020, 1-22.##
Uddin, K.; Mir, A. M.; Franz, J. M. “Operational Flood Mapping Using Multi-Temporal Sentinel-1 SAR Images: A Case Study from Bangladesh”;Remote Sensing 2019, 11, 1581.##
Cao, H.; Zang, H.; Wang, C.; Zhang, B. “Operational Flood Detection Using Sentinel-One SAR Data over Large Areas”;Water 2019, 11, 786.##
Manjusree, P.; Kumar, L.; Bhatt, C.; Rao, G.; Bhanumurthy, V. “Optimization of Threshold Ranges for Rapid Flood Inundation Mapping by Evaluating Backscatter Profiles of High Incidence Angle SAR Images”; J. Disaster Risk Sci. 2012, 3, 113-122.##
Sentinel Online, Nverview of Nissions, https://sentinel. esa.int/web/sentinel/missions/sentinel-1/overview, last modified, 2020.##
Fallahpour, M. B.; Dehghani, H.; Rashidi, A. J.; Sheikhi, A. “Extraction of Point Target Model of Distributed Targets Using SAR Images”; Adv. Defence Sci. & Tech, 2017, 10, 265-274 (In Persian).##
)
