Change Detection Based on the Coefficient of Variation in SAR Time-Series of Urban Areas
Détection de changement dans les séries temporelles radar, basée sur le coefficient de variation
Résumé
This paper discusses change detection in SAR time-series. First, several statistical properties of the coefficient of variation highlight its pertinence for change detection. Subsequently, several criteria are proposed. The coefficient of variation is suggested to detect any kind of change. Furthermore, several criteria that are based on ratios of coefficients of variations are proposed to detect long events, such as construction test sites, or point-event, such as vehicles. These detection methods are first evaluated on theoretical statistical simulations to determine the scenarios where they can deliver the best results. The simulations demonstrate the greater sensitivity of the coefficient of variation to speckle mixtures, as in the case of agricultural plots. Conversely, they also demonstrate the greater specificity of the other criteria for the cases addressed: very short event or longer-term changes. Subsequently, detection performance is assessed on real data for different types of scenes and sensors (Sentinel-1, UAVSAR). In particular, a quantitative evaluation is performed with a comparison of our solutions with baseline methods. The proposed criteria achieve the best performance, with reduced computational complexity. On Sentinel-1 images containing mainly construction test sites, our best criterion reaches a probability of change detection of 90% for a false alarm rate that is equal to 5%. On UAVSAR images containing boats, the criteria proposed for short events achieve a probability of detection equal to 90% of all pixels belonging to the boats, for a false alarm rate that is equal to 2%.
Cet article traite de la détection des changements dans les séries temporelles SAR. Tout d'abord, plusieurs propriétés statistiques du coefficient de variation mettent en évidence sa pertinence pour la détection du changement. Puis plusieurs critères sont proposés. Le coefficient de variation est suggéré pour détecter tout type de changement. En outre, plusieurs critères basés sur des ratios de coefficients de variation sont proposés pour détecter les événements longs tels que les chantiers de construction ou les événements ponctuels correspondant à la présence de véhicules. Ces méthodes de détection sont évaluées d'abord sur les simulations statistiques théoriques pour déterminer les scénarios où ils peuvent fournir les meilleurs résultats. Les simulations démontrent la plus grande sensibilité du coefficient de variation aux zones de speckle naturelles, comme dans le cas des parcelles agricoles. Inversement, ils démontrent également la plus grande spécificité des autres critères pour les cas traités: événement très court ou changements à plus long terme. Puis les performances sont évaluées sur des données réelles pour différents types de scènes et de capteurs (Sentinel-1, UAVSAR). En particulier, une évaluation quantitative est effectuée par une comparaison de nos solutions avec d'autres méthodes de référence. Les critères proposés dans cet article atteignent les meilleures performances, avec une complexité de calcul réduite. Sur les images Sentinel-1 contenant principalement des sites de construction, notre meilleur critère atteint une probabilité de détection de changement de 90% pour un taux de fausse alarme égal à 5%. Sur les images d'UAVSAR contenant des bateaux, les critères proposés pour les événements courts atteignent une probabilité de détection égale à 90% de tous les pixels appartenant aux bateaux, pour un taux de fausses alertes égal à 2%.
Origine : Fichiers éditeurs autorisés sur une archive ouverte
Loading...