ارزیابی تطبیقی تکنیک های پردازش پیکسل پایه و شیءگرا در طبقه بندی تصاویر ماهواره ایAster برای استخراج نقشه های اراضی کشاورزی و باغی در حاشیه شرقی دریاچه ارومیه
نویسندگان
1 دانشیار گروه سنجش از دور و سیستم اطلاعات جغرافیایی دانشگاه تبریز
doi
10.22131/sepehr.2019.35645چکیده
تحقیق حاضر نمونهای از کاربرد تکنولوژی سنجش از دور در مدیریت منابع کشاورزی است. در این تحقیق با پردازش رقومی تصاویر ماهوارهای Aster خرداد ماه سال2016 نقشههای کاربری اراضی حاشیه شرقی دریاچه ارومیه استخراج شده است. در این ارتباط در مرحله پیشپردازش، تصحیحات هندسی شامل زمین مرجع کردن، تصحیحات ارتفاعی و تصحیحات اتمسفری برروی تصاویر اعمال شد. در مرحله پردازش، پس از اعمال توابع آشکارسازی، متناسب با اهداف پژوهش طبقهبندی براساس الگوریتمهای شیءگرا و پیکسل پایه برروی تصاویر انجام شد. برای این منظور از الگوریتمهای حداکثر احتمال، متوازی السطوح و حداقل فاصله از میانگین تصاویر طبقهبندی استفاده شد. سپس، پردازش شیءگرای تصاویر ماهوارهای برروی تصاویر اعمال گردید. در این راستا، در ابتدا فرایند سگمنتسازی برروی تصاویر انجام شد و تصاویر متناسب با معیارهای همگنی، ضریب شکل و فشردگی مورد سگمنتسازی قرار گرفتند. طبقهبندی از نوع شیءگرا با استفاده از الگوریتمهای طیفی و مکانی و روش نزدیکترین همسایگی در محیط نرم افزارeCognition طی مراحل مختلف پیاده شد.به منظور ارزیابی و مقایسه نتایج، ضرایب دقت کلی و کاپای طبقهبندی برای هر کدام از الگوریتمها استخراج و مشخص شد که در میان روشهای پیکسل پایه، الگوریتم طبقهبندی حداکثر احتمال با ضریب کاپای86/0و دقت کلی 67/88 درصد در مقایسه با سایر روشها، از دقت بالاتری برخوردار است. اما خود این الگوریتم نیز در مقایسه با روش شیءگرا از دقت کمتری برخوردار است، چرا که ضریب کاپای طبقهبندی حاصله معادل 93/0 و دقت کلی نیز معادل 20/94درصد برآورد گردید.