Change Detection for Multi-Polarization SAR

Il presente lavoro di tesi si inquadra nel contesto della change detection in immagini SAR. In particolare, la procedura di change detection si pone l'obiettivo di individuare i cambiamenti che avvengono in un area di interesse in un certo intervallo temporale a partire da una coppia coregistrata di immagini SAR rappresentative della scena di interesse nell'intervallo temporale considerato. Presupposto fondamentale delle analisi di change detection ਠche un cambiamento nella superficie osservata da un sensore corrisponda a un cambiamento di risposta nei dati telerilevati sensibilmente pi๠rilevante rispetto ai cambiamenti dovuti ad altri fattori, quali le condizioni atmosferiche al momento delle acquisizioni, o l'umidità  dei suoli o ancora differenze nelle condizioni di acquisizione dei dati telerilevati. Al fine di perseguire tale scopo, in letteratura aperta, vengono considerati due principali approcci noti come change detection incoerente e change detection coerente. A differenza dell'approccio coerente, nella change detection incoerente si cerca di rivelare variazioni del livello di potenza media di una determinata scena sfruttando solo le informazioni di intensità  delle immagini disponibili trascurando cosଠle informazioni di fase. L'obiettivo principale che si ਠinteso perseguire nel lavoro svolto, ਠstato quello di considerare un nuovo approccio per il problema della change detection basato sulla teoria dell'invarianza nei test di ipotesi considerando un modello di dati polarimetrico, ovvero, supponendo di avere diversità  in termini di polarizzazione dei dati relativi alla scena di interesse. In particolare, il principio di invarianza consente, in fase di progetto, di forzare alcune interessanti proprietà  della statistica di decisione permettendo di concentrarsi su regole decisionali che mostrano alcune simmetrie naturali implicando importanti proprietà  pratiche come il comportamento CFAR (Constant False Alarm Ratio). Inoltre, l'uso del principio di invarianza porta ad una riduzione dei dati, in quanto, tutti i test invarianti possono essere espressi in termini di una statistica, chiamata massimale invariante, che organizza i dati originali in classi di equivalenza. In fase di sviluppo, dopo aver trovato un massimale invariante per il problema in esame si ਠosservato che il rivelatore invariante ottimo ad esso associato non ਠUMPI (Uniformly Most Powerful Invariant), quindi, non praticamente realizzabile. Di conseguenza, sono stati determinati alcuni ricevitori invarianti sub-ottimi, le cui prestazioni sono state valutate sia su dati simulati che su immagini SAR reali ad alta risoluzione. Successivamente, si ਠconsiderata una particolare struttura diagonale a blocchi per la matrice di covarianza polarimetrica. Imponendo tale vincolo al problema della change detection ਠstata introdotta una nuova regola di decisione basata sul criterio GLRT (Generalized Likelihood Ratio Test). Inoltre, seguendo un tale approccio, si ਠdimostrato che il ricevitore sintetizzato garantisce il comportamento CFAR. Tuttavia, nei problemi di change detection, puಠaccadere che le due immagini vengano acquisite con angoli di vista leggermente diversi, o, che le proprietà  di propagazione del mezzo cambino tra le due acquisizioni. Tali effetti, possono essere portati in conto in fase di progetto considerando un fattore di scala in termini di intensità . Se il sistema di rilevamento non ਠstato progettato per tenere conto di tali effetti, il disallineamento in termini di intensità  tra le due immagini puಠintrodurre dei falsi allarme con conseguente perdita in termini di capacità  rivelazione del sistema di change detection. Per tale motivo, si introduce la possibilità  di tenere conto di possibili variazioni di scala al fine di rendere pi๠robusti i ricevitori sintetizzati. Nello specifico, una volta formulato analiticamente il problema considerato, viene sintetizzato il GLRT per i casi in cui si considerino due e tre canali e polarimetrici. Inoltre, utilizzando il principio di invarianza, in primo luogo si dimostra che i ricevitori basati sul GLRT soddisfano la proprietà  CFAR, ed, in secondo luogo, vengono proposte alcune ulteriori regole decisionali invarianti. In tutti i casi di studio considerati, le analisi delle prestazioni sono state effettuate utilizzando sia dati simulati che immagini SAR reali ad alta risoluzione. In entrambi i casi, i risultati ottenuti hanno mostrato che alcuni degli algoritmi sviluppati forniscono prestazioni soddisfacenti in termini di capacità  di rivelazione dei cambiamenti nell'area di interesse e dunque, rappresentano una buona soluzione per affrontare il problema di change detection.