کارایی الگوریتمهای خوشهبندی فازی در بازشناسی خودکار الگوهای مورفولوژیک (مطالعه موردی: رودخانه علاء)
نویسندگان
1 گروه زمین شناسی، دانشکده منابع طبیعی، دانشگاه علوم و فنون دریایی خرمشهر، ایران.
2 گروه زمین شناسی، دانشکده منابع طبیعی، دانشگاه علوم و فنون دریایی خرمشهر، ایران.
doi
10.22034/iga.2024.2031946.1312چکیده
هدف این پژوهش ناحیهبندی فازی با استفاده از تصاویر ماهوارهای GeoEye-1 و الگوریتمهای خوشهبندی و ادغام پیشنهادی است و کارایی این تکنیکها در آشکارسازی عوارض و پدیدههای سطح زمین و بازشناسی خودکار الگوهای مورفولوژیک در رودخانه علاء بررسی میگردد. در این رابطه پس از پیشپردازشهای رادیومتریک و هندسی، بر اساس ویژگیهای فازی به ادغام تصاویر ورودی در نرمافزار MATLAB پرداخته و سپس با استفاده از الگوریتمهای (FCM)، (PCM)، (GK) و (FSC) به ناحیهبندی مقاوم پوشش زمینی اقدام گردید. در این روشها خوشهبندی فازی چندین بار و برای تعداد خوشههای مختلف (از c_min تا c_max) انجام گرفته و با ارزیابی خروجی خوشهبندی و انتخاب بهترین تعداد نواحی (c ̂) تعیین شده است. همچنین در مرحله پردازش جهت رسیدن به تعداد مشخصی خوشه، تصویر خوشهبندی میشود تا پس از اعمال Defuzzification بر روی آن، ناحیهبندی فازی صورت گیرد. در نهایت الگوریتمهای خوشهبندی 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 ناحیهبندی فازی و مقایسه روشهای پیشنهادی در محدوده مطالعاتی نشان میدهد که روش Interval-valued Data Fuzzy c-means (FSC) که در آن ابهام موجود در تصاویر HR-PRS در ناحیهبندی لحاظ شده است، در مجموع دارای بهترین عملکرد جهت یافتن تعداد خوشههای بهینه و مراکز خوشهها و آشکارسازی پدیدههای سطحی میباشد. همچنین این الگوریتم قابلیت تفکیک پذیری عوارض را تنظیم و دقت بالاتری را ارائه میدهد و مرزهای اصلی را به خوبی تشخیص و مرزهای اضافی را حذف میکند. این نتایج همچنین نشاندهنده اثربخشی الگوریتمهای خوشهبندی فازی جهت ناحیهبندی تصاویر سنجش از دور چند طیفی میباشد و کارایی روشهای ناحیهبندی پیشنهادی را از منظر تشخیص عوارض و پدیدههای مکانی و استخراج دقیق اطلاعات از تصاویر تایید مینمایند.