در تحقیق حاضر روش نرمال سازی خودکاری برمبنای رگرسیون با استفاده از پیکسل های تغییرنیافته، مدل سازی هیستوگرام تصویر هدف و محاسبه ضرایب تبدیل خطی برای دسته های مختلف پیکسل ها از لحاظ درجات روشنایی در هر باند، ارائه شده است. در مرحله تعیین پیکسل های تغییرنیافته، روش جدیدی معرفی شده است که این مرحله را به صورت خودکار انجام می دهد و صحت بالایی نیز دارد. در مرحله دسته بندی پیکسل ها نیز براساس درجات روشنایی، روش جدیدی پیشنهاد شده است که تعداد و بازه های لازم برای دسته بندی را به طور خودکار و جداگانه براساس اطلاعات هیستوگرام تصویر هدف، برای هر باند تعیین می کند تا تأثیرات مختلف اتمسفر و سایر عوامل را روی درجات خاکستری مختلف مدل کند. ایده مورد نظر روی دو تصویر سنجنده TM پیاده سازی شد. نتایج ارزیابی نشان داد در صورتی که از روش پیشنهادی در مرحله تعیین خودکار پیکسل های تغییرنیافته استفاده شود، صحت کلی آشکارسازی تغییرات از 15/95 درصد به 14/96 درصد در مقایسه با روش های متداول بهبود می یابد و همچنین خطای کمترین مربعات نرمال سازی، در مقایسه با حالتی که برای کل تصویر از یک برازش خطی استفاده شود، در باندهای 1، 2، 3، 4، 5 و 7 به ترتیب 44/26، 13/50، 54/38، 27/5، 75/3 و 31/3 و در مقایسه با حالتی که از مقادیر پیش فرض برای دسته بندی پیکسل ها براساس درجات خاکستری و برازش جداگانه خطی برای هر دسته استفاده شود، به ترتیب 82/30، 9/45، 53/30، 19/4، 82/2 و 32/0 کاهش می یابد.
