سگمنت سازی

طبقه بندی یکی از مهم ترین روش های استخراج اطلاعات از تصاویر رقومی ماهواره ای است. در روش های معمول پیکسل پایه، طبقه بندی براساس ارزش عددی هریک از پیکسل ها انجام می شود که نتیجه بازتاب عارضه های متناظر آن در سطح زمین است. توانایی روش های کلاسیک در طبقه بندی تصاویر ماهواره ای هنگامی که اشیاء متفاوت اطلاعات طیفی مشابهی دارند محدود می با شد. این امر موجب کاهش صحت روش های طبقه بندی پیکسل پایه می گردد. اما در روش طبقه بندی شیءگرا اطلاعات طیفی با اطلاعات مکانی ادغام گردیده و پیکسل ها براساس شکل، بافت و تن خاکستری در سطح تصویر با مقیاس مشخص سگمنت سازی شده و طبقه بندی تصویر براساس این سگمنت ها انجام می شود. در این تحقیق الگوریتم طبقه بندی پیکسل پایه حداکثر احتمال و الگوریتم طبقه بندی نزدیک ترین همسایه شیءگرا در طبقه بندی تصاویر سنجنده HDR ماهواره ای SPOT 5 مورد مقایسه قرار گرفته است و به منظور مقایسه نتایج، نقشه کاربری اراضی استان آذربایجان غربی با هر دو روش طبقه بندی تهیه شده است. مقایسه نتایج مربوط به صحت کلی طبقه بندی ها نشان می دهد که روش طبقه بندی شیء گرا با افزایش دقت معادل 7% در هر دو شاخص صحت کلی و کاپا، در طبقه بندی تصاویر ماهواره ای از دقت بالاتری برخوردار است. نتایج این تحقیق در استخراج نقشه های کاربری اراضی استان آذربایجان شرقی و آشکارسازی تغییرات کاربری 30 ساله محدوده بالادست سد ستارخان مورد استفاده قرار گرفت.

  سگمنت سازی یکی از روش های اصلی استخراج اطلاعات در پردازش شیءگرای تصاویر ماهواره ای است. فرآیند سگمنت سازی، پدیده های اولیه و اصلی در یک تصویر را تفکیک می نماید که مبنایی برای طبقه بندی شیءگرا می باشد. با توجه به اینکه دقت طبقه بندی شیءگرا تا حد زیادی وابسته به دقت سگمنت سازی است، بنابراین تولید سگمنت های مناسب نقش مهمی در دست یابی به دقت بالا در فرآیند طبقه بندی شیءگرا دارد. در این پژوهش با هدف ارزیابی فرآیند سگمنت سازی به روش تفکیک مکانی چندگانه، از تصاویر ماهواره ایIRS وSPOT5 وQuick Bird برپایه تکنیک های تلفیق تصاویر ماهواره ای استفاده شده است. در این راستا با توجه به قدرت تفکیک مکانی متفاوت تصاویر ماهواره ای، از مقیاس ها و تلفیق های مختلف(نظیر ضرایب شکل و فشردگی شکل) جهت سگمنت سازی استفاده شده است. نتایج تحقیق بیانگر تاثیر استفاده از اطلاعات مکانی و طیفی در بهینه سازی مقیاس سگمنت سازی است. به طوریکه اطلاعات مکانی تصویر Quick Bird و باند پانکروماتیک تصاویر IRS و SPOT5، در کنار قدرت تفکیک طیفی تصویر SPOT5(بویژه باند قرمز) و Quick Bird، تاثیر بسزایی در افزایش کنتراست تصاویر و درنهایت ارتقاء کیفیت سگمنت سازی دارند. همچنین نتایج تحقیق بیانگر تلفیق تصاویر ماهواره ای با تفکیک مکانی بالاتر، به عنوان روشی موثر برای ارتقاء کیفیت سگمنت سازی است. نتایج این پژوهش در شناسایی روش ها و تکنیک های مختلف سگمنت سازی برای افزایش دقت طبقه بندی شیءگرا دارای اهمیت فراوانی است. نتایج اخذ شده همچنین برای سازمان های اجرایی نظیر منابع طبیعی، جهاد کشاورزی،... در معرفی روش مناسب برای استخراج سریع و دقیق اطلاعات از تصاویر ماهواره ای برای اهداف مدیریتی حائز اهمیت بوده و می تواند راهگشای استخراج اطلاعات دقیق تر از تصاویر ماهواره ای باشد.

طبقه بندی تصاویر ماهواره ای با استفاده از پردازش شی گرا تاکنون با بهره گیری از تکنیک های مختلف به طور گسترده ای مورد استفاده قرار گرفته است. اگرچه تعداد بسیار زیادی الگوریتم طبقه بندی برای تصاویر ارائه شده، اما به ندرت بر روی یک مورد یکسان بایکدیگر مقایسه شده اند. در این پژوهش، تصویر ماهواره آیکونوس با استفاده از سه الگوریتم طبقه بندی شی ءگرا از جمله؛ آستانه گذاری، نزدیک ترین همسایگی و طبقه بندی فازی در تهیه نقشه کاربری اراضی مورد مقایسه قرار گرفته است. جهت طبقه بندی و مقایسه نتایج حاصل از هر سه روش مورد مطالعه از نقاط کنترل زمینی یکسان استفاده شده است و در نهایت بهترین الگوریتم طبقه بندی با استفاده از روش های ارزیابی صحت از جمله؛ شاخص دقت کلی و ضریب کاپای طبقه بندی مشخص گردید. نتایج حاصل از طبقه بندی و ارزیابی دقت نشان دهنده بالاترین میزان دقت کلی و ضریب کاپا برای الگوریتم فازی شی ءگرا می باشد که دقت بالای این روش به دلیل بررسی د رجه عضویت پارامترهای مؤثر د ر طبقه بند ی و استفاد ه از پارامترها و معیار های دارای بیشترین د رجه عضویت در طبقه بندی می باشد. همچنین تکنیک  نزدیک ترین همسایگی با استفاده از الگوریتم FOS با تولید دقت کلی 92/0 و ضریب کاپا 909/0 بعد از الگوریتم فازی شی ءگرا بیشترین دقت را دارا می باشد. روش تعیین آستانه به دلیل دخالت کاربر در تعیین آستانه ها - جهت طبقه بندی - کمترین دقت را در استخراج کاربری های اراضی بین سه روش مورد مقایسه نشان می دهد. به دلیل ماهیت مقایسه ای این پژوهش نتایج آن برای شناسایی روش های بهینه در تولید و تهیه نقشه کاربری اراضی از تصاویر با قدرت تفکیک مکانی بالا از اهمیت بالایی برخوردار بوده و قابل استفاده برای پژوهشگران و سازمان های تولیدکننده نقشه های کاربری اراضی می باشد.