Abstract-This work proposes an optimization of a semisupervised Change Detection methodology based on a combination of Change Indices (CI) derived from an image multitemporal data set. For this purpose, SPOT 5 Panchromatic images with 2.5 m spatial resolution have been used, from which three Change Indices have been calculated. Two of them are usually known indices; however the third one has been derived considering the Kullbak-Leibler divergence. Then, these three indices have been combined forming a multiband image that has been used in as input for a Support Vector Machine (SVM) classifier where four different discriminant functions have been tested in order to differentiate between change and no_change categories. The performance of the suggested procedure has been assessed applying different quality measures, reaching in each case highly satisfactory values. These results have demonstrated that the simultaneous combination of basic change indices with others more sophisticated like the Kullback-Leibler distance, and the application of non-parametric discriminant functions like those employees in the SVM method, allows solving efficiently a change detection problem.
I. INTRODUCCIONS E denomina Detección de Cambios (DC) a un proceso mediante el cual se identifican las diferencias en el estado de un objeto o fenómeno al observarlo en diferentes momentos, es decir, se trata de cuantificar efectos temporales utilizando información multitemporal [1]. La determinación de áreas de cambio en imágenes de la misma escena tomada en diferentes momentos, presenta un notable interés, debido a que ofrece un gran número de aplicaciones en diversas disciplinas [2], incluyendo entre otras: la video-vigilancia [3], el diagnóstico y tratamiento médico, el apoyo a la conducción de vehículos y la detección remota.Concretamente, la Detección de Cambios en imágenes registradas mediante sensores remotos, está considerada como una rama de la tecnología que constituye la Teledetección. Lo que contribuye a este hecho, es la resolución temporal de los sensores de satélites, cuya inherente repetitividad en su órbita, permite que se puedan registrar con cierta regularidad, imágenes de un determinado área objetivo. Además la continua mejora de la tecnología espacial ha propiciado el desarrollo de sensores de alta resolución, que proveen de [6]. En el primer grupo se incluyen métodos que requieren información de referencia del terreno, necesaria para obtener mapas temáticos de transiciones entre clases de coberturas terrestres que cambian; se basan en el uso de clasificadores supervisados [7]. Esta información de referencia se puede obtener mediante campañas de campo, por fotointerpretación o desde el conocimiento previo de la escena. En estos métodos, como inconvenientes se pueden indicar: el coste humano y temporal que supone la obtención de la información de referencia y el posible error cometido en el proceso de clasificación. Por el contrario, los métodos no supervisados no necesitan datos de referencia para la generación del mapa bin...