Coherent change detection techniques for repeat-pass SAR images

Climate change, urbanization and natural disasters are expected to negatively affect the human life on the earth in the next few decades. Previous studies demonstrated how satellite data, both optical and radar, can have a role in supporting emergency management and improving the system anticipation capability. Different techniques were study in the past to detect changes with radar thanks to the capability to detect a target in all-weather condition and day/night cycle. Coherent change detection can be a valid technique to discover changes on the earth surface after an event or just to monitor the environment. Coherent change detection using likelihood ratio test is based on the discrimination between a null (unchanged) and an alternative hypothesis (changed); this test has been proposed in literature to detect changes between image pairs. In this work of thesis the method was extended to multi-temporal SAR data. Simulations and studies, carried out during this thesis, show that the performance can be improved if multitemporal SAR images are employed rather than a pair, giving advantages in terms of resolution of the final change map and in terms of ROC curves. In this work of thesis the dataset is an interferometric stack of 18 SAR images (sensed from February to October 2016 by C-band SAR Sentinel-1)that covered the areas around Amatrice, central Italy, that were hit by a severe earthquake in August 2016. The new method has been tested on this stack to detect changes due to the earthquake. It has been proved that the normalised log likelihood ratio test can detect changes "around an instant" within a temporal sequence of SAR images. Detection performance were quantitatively evaluated through synthetic curves obtained from synthetic simulations. Furthermore results have been qualitatively compared to the map of damages of Open Street Map humanitarian community. The application to the real case brought to promising results that can be seen as a starting point for future works.

Il cambiamento climatico, l'urbanizzazione ed i disastri naturali, sono fenomeni in continua crescita e ci si aspetta che in pochi anni possano avere un impatto catastrofico sulla vita dell'uomo. Molti studi, in passato, hanno dimostrato che i dati satellitari, sia ottici che radar, possono avere un ruolo fondamentale nel supporto e nella gestione delle emergenze. Negli scorsi decenni diverse tecniche radar sono state sviluppate per individuare cambi sulla superficie terrestre, in quanto il radar ha la straordinaria capacità di poter lavorare con qualsiasi condizione meteorologica e ciclo giorno/notte. La coherent change detection è una tecnica che sfrutta le informazioni di fase e ampiezza contenute nelle immagini SAR al fine di individuare cambi sul territorio. Il log likelihood ratio test è un test statistico basato sulla distinzione tra un ipotesi nulla (non cambio) ed una alternativa (cambio). Tale metodo è stato proposto in passato per individuare cambi tra due immagini acquisite prima e dopo un cambio. In questo lavoro di tesi l'approccio è stato ampliato al caso multi-immagine. Si è dimostrato infatti, attraverso simulazioni su dati sintetici, che le performance di change detection migliorano in termini di probabilità di corretta decisione contro probabilità di falso allarme. Per questo lavoro di tesi è stato scelto uno stack interferometrico composto da 18 immagini SAR di Sentinel-1 (banda C) che riprendesse la zona di Amatrice da Febbraio 2016 ad Ottobre 2016; ad Agosto un forte terremoto ha colpito Amatrice causando danni ad edifici e provocando molte perdite di vite umane. L'approccio multi-immagine della tecnica di change detection è stata sperimentato e valutato su tale stack al fine di individuare i cambi avvenuti a causa del terremoto. E' stato dimostrato che lo stimatore riesce ad identificare cambi avvenuti nell'intorno di un "istante" all'interno di una sequenza temporale. I risultati di change detection sono stati valutati quantitativamente sulla base delle performances su dati sintetici e qualitativamente in base a quelli riportati nella mappa dei danni da Open Street Map (OSM)(sebbene le due mappe non risultino direttamente comparabili). Inoltre i risultati hanno confermato come questo metodo possa in futuro, approfondendo la ricerca, contribuire attivamente ed in modo integrato alla detection di cambi sul territorio, insieme ad altre tecniche di close range change detection o di tipo satellitare ottico.