Veranderingdetectie

Veranderingdetectie is het proces waarmee veranderingen tussen beelden of meetreeksen over tijd worden opgespoord en gelokaliseerd. Het wordt toegepast in diverse domeinen zoals computer vision, remote sensing, videobewaking en medische beeldvorming. Doel is om waarneembare verschillen te identificeren en te kwantificeren, vaak als een kaart die aangeeft waar en hoeveel er is veranderd.

Een typische workflow omvat: data-acquisitie en pre-processing, ruimtelijke en/of temporele registratie om de beelden op elkaar af te stemmen, genereren van een verschil- of delta-kaart door pixelgewijze differencing, ratio- of statistische methoden, of op basis van kenmerken, beslissing via drempelstelling of classificatie (bijvoorbeeld machine learning), post-processing zoals morfologische operaties en filteren van ruis, en evaluatie en interpretatie.

Benaderingen variëren van unsupervised technieken zoals achtergrondsubstractie en beeldverschil tot supervised technieken en diepe neurale netwerken die veranderingen behandelen als een segmentatieprobleem. Bij beeldreeksen kunnen delta- of verschilkaarten direct worden gebruikt, terwijl bij tijdreeksen ook statistische modellen of machine learning kunnen worden toegepast.

Uitdagingen zijn onder meer belichting- en kijkhoekenvariaties, sensor- en registratiefouten, seizoensgebonden variaties, ruis en kleine of diffuse veranderingen. Het juist toewijzen van veranderingen aan oorzaken (bijvoorbeeld constructie versus schaduwen) vereist vaak aanvullende informatie of multi-sensor data.

Toepassingen: monitoring van landgebruik en stedelijke ontwikkeling, rampen- en schadebeoordeling, milieu- en infrastructuurmonitoring. Gerelateerde concepten zijn beeldverschillen (image differencing), achtergrondsubstractie en delta-beeld.