رضا رضوی مقدم

هدف این پژوهش ناحیه بندی فازی با استفاده از تصاویر ماهواره ای GeoEye-1 و الگوریتم های خوشه بندی و ادغام پیشنهادی است و کارایی این تکنیک ها در آشکارسازی عوارض و پدیده های سطح زمین و بازشناسی خودکار الگو های مورفولوژیک در رودخانه علاء بررسی می گردد. در این رابطه پس از پیش پردازش های رادیومتریک و هندسی، بر اساس ویژگی های فازی به ادغام تصاویر ورودی در نرم افزار MATLAB پرداخته و سپس با استفاده از الگوریتم های (FCM)، (PCM)، (GK) و (FSC) به ناحیه بندی مقاوم پوشش زمینی اقدام گردید. در این روش ها خوشه بندی فازی چندین بار و برای تعداد خوشه های مختلف (از c_min تا c_max) انجام گرفته و با ارزیابی خروجی خوشه بندی و انتخاب بهترین تعداد نواحی (c ̂) تعیین شده است. همچنین در مرحله پردازش جهت رسیدن به تعداد مشخصی خوشه، تصویر خوشه بندی می شود تا پس از اعمال Defuzzification بر روی آن، ناحیه بندی فازی صورت گیرد. در نهایت الگوریتم های خوشه بندی فازی مورد بررسی که دارای پارامترهای فازی هستند، بر روی تصاویرHR-PRS ورودی اعمال شده و نتایج آن مورد بحث و بررسی قرار گرفته است. نتایج ناحیه بندی فازی و مقایسه روش های پیشنهادی در محدوده مطالعاتی نشان می دهد که روش Interval-valued Data Fuzzy c-means (FSC) که در آن ابهام موجود در تصاویر HR-PRS در ناحیه بندی لحاظ شده است، در مجموع دارای بهترین عملکرد جهت یافتن تعداد خوشه های بهینه و مراکز خوشه ها و آشکارسازی پدیده های سطحی می باشد. همچنین این الگوریتم قابلیت تفکیک پذیری عوارض را تنظیم و دقت بالاتری را ارائه می دهد و مرزهای اصلی را به خوبی تشخیص و مرزهای اضافی را حذف می کند. این نتایج همچنین نشان دهنده اثربخشی الگوریتم های خوشه بندی فازی جهت ناحیه بندی تصاویر سنجش از دور چند طیفی می باشد و کارایی روش های ناحیه بندی پیشنهادی را از منظر تشخیص عوارض و پدیده های مکانی و استخراج دقیق اطلاعات از تصاویر تایید می نمایند.