شناسایی و تفکیک پوشش های زمین با استفاده از تلفیق تصاویر اپتیک و رادار
مصطفی کابلی زاده
1
(
گروه سنجش از دور و GIS، دانشکده علوم زمین، دانشگاه شهید چمران اهواز
)
سجاد زارعی
2
(
گروه سنجش از دور و GIS، دانشکده علوم زمین؛ دانشگاه شهید چمران اهواز
)
رحمان خنافره
3
(
گروه سنجش از دور و GIS، دانشکده علوم زمین، دانشگاه شهید چمران اهواز، اهواز، ایران
)
الکلمات المفتاحية: انتخاب ویژگی, پوششهای زمین در محیطهای شهری, روش ماشین بردار پشتیبان (SVM), طبقهبندی, ویژگیهای بافتی,
ملخص المقالة :
طبقهبندی و تفکیک پوشش زمین از مهمترین کاربردهای سنجش از دور میباشد. برای انجام طبقهبندی، دادههای ماهوارهای چندطیفی ابزاری کارآمد میباشند، اما متاسفانه در برخی از شرایط، مانند آب و هوای ابری در دسترس نیستند. همچنین اکثر الگوریتمهای طبقهبندی دادههای سنجش از دور بر اساس ویژگیها و اطلاعات طیفی پیکسلها عمل میکنند که این مسئله باعث نادیده گرفتن اطلاعات مکانی مفید قابل استخراج از تصاویر، از جمله؛ بافت تصاویر میشود. استفاده همزمان از بافت و اطلاعات طیفی مبحثی است که به آن کمتر پرداخته شده است. بنابراین با در نظر گرفتن این ایده جهت انتخاب ویژگیهای بهینه برای تهیه نقشه پوششهای زمین از دو روش استفاده شد. روش اول بازتاب نرمال شده عوارض با توجه به ویژگیهای استخراج شده و روش دوم اعمال شاخص ضریب بهینه (Optimum Index Factor) بروی ویژگی-های بافتی و طیفی استخراج شده میباشد. به این منظور فرآیند طبقهبندی با استفاده از روش ماشین بردار (Support Vector Machine)، برروی تصویر راداری سنتینل-1و تصویر چندطیفی سنتینل- 2، ویژگیهای بهینه انتخاب شده با دو روش و ترکیب باندهای تصویر با ویژگیهای بهینه انتخاب شده با دو روش و در آخر با تلفیق بهترین ترکیب باندهای رادار و اپتیک انجام گرفت. با توجه به نتایج بدست آمده، طبقهبندی با استفاده از ویژگیهای طیفی دقت بالاتری نسبت به طبقهبندی با استفاده از ویژگیهای بافت دارد. با تلفیق ویژگیهای اپتیک و رادار و بدست آمدن مقادیر 07/97 درصد برای دقت کلی و 96/0 برای ضریب کاپا دقت طبقه بندی تا حد زیادی بهبود داده شد. این تحقیق نشان داد که با انتخاب ویژگیهای بهینه و تلفیق دادههای طیفی و راداری میتوان از ویژگیهای متفاوت هر یک از دادهها استفاده کرد و به نتایج بهتری رسید. همچنین تلفیق ویژگی بافتی از تصویر راداری و ویژگی طیفی از تصویر اپتیکی میتواند تاثیر بسیار خوبی در بهبود نتایج طبقهبندی پوشش زمین داشته باشد.