پردازش تصاویر پانکروماتیک (HR-PRS) و پایش الگوهای فرمیک شبکه آبراهه های جزیره قشم با استفاده از تکنیک های ناحیه بندی فازی (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
در این پژوهش با هدف پایش و بازشناسی الگوهای فرمیک شبکه ی آبراهه ها در مرکز جزیره ی قشم از تصاویر پانکروماتیک HR-PR سنجنده GeoEye-1 استفاده شده است. در این راستا با بهره گیری از الگوریتم های FWS ، MSA ، IDF و CFM در نرم افزار MATLAB ناحیه بندی فازی صورت گرفته است. در ادامه بر اساس ویژگی های فازی به ادغام تصاویر ورودی پرداخته و سپس با استفاده از خوشه بند ی فازی به ناحیه بندی تصاویر اقدام گردید. در این رابطه از فرآیند ادغام تصاویر پانکروماتیک و خروجی آن جهت ناحیه بندی استفاده شده است. در نهایت روش های خوشه بندی مورد مطالعه که دارای پارامترهای فازی هستند، بر روی تصاویر ورودی اعمال شده و نتایج آن مورد بحث و بررسی قرار گرفته است. نتایج ناحیه بندی فازی و مقایسه ی روش های پیشنهادی با یکدیگر نشان می دهد که الگوریتم خوشه بندی CFM عملکرد بسیار خوبی در تشخیص عوارض و پدیده های مکانی و بازشناسی الگوهای فرمیک شبکه آبراهه ها دارد و دارای بهترین عملکرد در ناحیه بندی این منطقه می باشد. نتایج الگوریتم های خوشه بندی مورد مطالعه، کارایی روش های ناحیه بندی پیشنهادی را از منظر تشخیص عوارض و پدیده های مکانی و استخراج دقیق اطلاعات از تصاویر تایید می نمایند. از این رو مطابق نتایج پژوهش، استفاده از الگوریتم های خوشه بندی و ویژگی های فازی، جهت ادغام اطلاعات تصاویر ماهواره ای HR-PRS روش مناسب و بهینه با هدف ناحیه بندی می باشد. همچنین در ادغام این اطلاعات اعداد فازی نوع نرمال بهترین نوع اعداد جهت استفاده در ناحیه بندی منطقه محسوب می شود و استفاده از اعداد فازی در حالت کلی می تواند ما را به نتایج بهتری در ناحیه بندی تصاویر ماهواره ای برساند. نتایج این پژوهش می تواند در آمایش سرزمین، مدیریت، برنامه ریزی و توسعه ی پایدار آتی مناطق مفید واقع شود.Monitoring of Qeshm Island Drainage Network Formic Patterns Using Fuzzy Segmentation of processed Panchromatic Images (HR-PRS)
The purpose of this research is the automatic recognition of morphic patterns of drainage network in the center of Qeshm Island using High Resolution Panchromatic Remotely Sensed (HR-PRS) and fuzzy clustering algorithms. It also investigates the efficiency of these methods in the GeoEye-1 satellite imagery segmentation of the study area in order to detect geomorphic features in areas with cloud and shadow coverage. In this regard, fuzzy segmentation of HR-PRS panchromatic images of the study area, after radiometric and geometric preprocessing using FWS, MSA, IDF and CFM algorithms, was performed in MATLAB software. Finally, the studied fuzzy clustering algorithms with fuzzy parameters are applied to the input HR-PRS images and the results are discussed. The results show that the Classical Fusion Method and FCM (CFM) clustering algorithm has the best performance in the field of fuzzy segmentation and detection of the studied indices. . As a result, the image borders are well defined. The reason for this is the use of fuzzy numbers as well as efficient clustering methods in this method. These results also show that remote sensing technology, by providing multi-time images, can be a very good basis for monitoring and detecting environmental changes, detecting effects and accurately extracting information from images. Also, the use of clustering algorithms and fuzzy features is a suitable and optimal method for integrating HR-PRS satellite image information from a geographical area with the aim of segmentation.
تبلیغات
