فرایند شناسایی تغییرات، عبارت است از شناساییِ تغییراتِ ساختارِ یک پدیده مشخص در یک یا چندبازه ی زمانی معین. به عبارت دیگر با بررسی یک پدیده در زمان های مختلف تغیرات رخ داده در آن پدیده مشخص می گردد. در چند سال اخیر با پیشرفت فن آوری سنجش از دور، تصاویرِ سنجش از دور چند زمانهِ ماهواره ای حاصله از این فن آوری منبع بسیارسودمندی برای آشکار سازی و نقشه برداری تغییرات، به ویژه در مناطق گسترده است. علم و تکنیک استفاده از تصاویر ماهواره ای برای جمع آوری اطلاعات زمینی و مطالعه و شناسایی این منابع بدون تماس فیزیکی با آنها را سنجش از دور می گویند، این تکنیک علاوه بر اینکه مشکل دسترسی به محل و حضور فیزیکی در آن را که لازمه ی روش های زمینی و سنتی است مرتفع ساخته و آن را به حداقل رسانده است، بلکه با ایجاد پوشش خوبی از منطقه مورد مطالعه امکان دید کلی تری از آن را فراهم می سازد. در این مقاله یک روش جدید مبتنی بر مدل منحنی های فعال برای تشخیص تغییرات از تصاویر راداری با روزنه مصنوعی (SAR) ارائه شده است. به منظور افزایش دقت رویکرد پیشنهادی، یک اپراتور جدید معرفی شد تا تصویر اختلاف را از تصاویر قبل و بعد از وقوع تغییرات ایجاد کند. سپس مدل جدیدی از منحنی های فعال برای تشخیص دقیق مناطق تغییر یافته از تصویر اختلاف معرفی شده است. مدل پیشنهادی مناطق تغییر یافته را به عنوان یک ویژگی هدف از تصویر اختلاف بر اساس داده های آموزشی انتخاب شده از مناطق تغییر یافته و بدون تغییر استخراج می کند. در این تحقیق از روش آستانه هیستوگرام Otsu برای تولید داده های آموزشی به صورت خودکار استفاده شده است. علاوه بر این داده های آموزش در فرآیند به حداقل رساندن عملکرد انرژی مدل منحنی های فعال به روز رسانی گردید. برای ارزیابی دقت مدل، روش پیشنهادی برروی سه مجموعه داده SAR معیار اعمال گردید. مدل پیشنهادی ضریب کاپا را برای مجموعه داده های نمونه رودخانه زرد ، برن و اوتاوا به ترتیب 84.65٪ ، 87.07٪ و 96.26٪ بدست آورد. این نتایج تأثیر روش پیشنهادی را در مقایسه با سایر روش ها نشان می دهد. مزیت دیگر مدل پیشنهادی سرعت بالای آن در مقایسه با روشهای مرسوم است.
