سنجنده GeoEye-1

روند توسعه ی شهری مانند یک روند فازی است؛ بنابراین ناحیه بندی فازی و پایش فضای شهری با استفاده از تصاویر پنکروماتیک HR-PRS، یکی از بهترین ابزارها در مدیریت و برنامه ریزی شهری محسوب می شود. از این رو در این نوشتار با هدف بررسی کارایی عملکرد روش های خوشه بندی فازی جهت ناحیه بندی در محدوده شهری قشم از تصاویر پنکروماتیک HR-PR سنجنده GeoEye-1 استفاده شده است. در این باره جهت بررسی عملکرد الگوریتم-های FWS ، MSA ، IDF و CFM با استفاده از نرم افزار MATLAB، 6 معیار کیفی مختلفی در سه دسته مکانی، رادیومتریکی و مکانی-رادیومتریک تعریف شده است. در ادامه با استفاده از این روش ها و بر اساس ویژگی های فازی به ادغام تصاویر ورودی پرداخته و با استفاده از روش خوشه بندی فازی و خروجی ادغام که ماهیتی فازی دارد، به ناحیه بندی محدوه ی شهری مورد مطالعه اقدام گردید. نتایج پژوهش کارایی روش های ناحیه بندی پیشنهادی را از منظر تشخیص پدیده ها و عوارض مکانی و انسانی و استخراج دقیق اطلاعات از تصاویر ماهواره ای تأیید می نمایند. در این میان روش FWS بهترین عملکرد را در ناحیه بندی مناطق شهری از خود نشان داده است. بنابراین، طبق نتایج تحقیق استفاده از الگوریتم های خوشه بندی و ویژگی های فازی یک روش مناسب و بهینه برای تلفیق اطلاعات تصویر ماهواره ای HR-PRS از یک منطقه ی شهری با هدف ناحیه بندی است.

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.

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.