چکیده:
دادههای سنجش از دور از منابع مهم اطلاعاتی در تهیه نقشههای موضوعی از جمله
نقشههای کاربری و پوشش اراضیاند.این امر که معمولا با استفاده از روشهای طبقه
بندی مبتنی بر اطلاعات پیکسل انجام میگیرد، به علت نا دیده گرفتن اطلاعات مربوط به
پیکسلهای مجاور در دادههایی با قدرت تفکیک مکانی بیشتر غالبا با نتایج مطلوب
همراه نیست.استفاده توأم از اطلاعات طیفی و فضایی در پردازش دادههای طبقه بندی
شده، از روشهای معمول برای اجتناب از این محدودیتاست.با توجه به شرایط مختلف زیست
محیطی و جغرافیایی موجود در کشور، بررسی استفاده از اطلاعات طیفی و فضایی به منظور
اصلاح و افزایش دقت طبقه بندی دادههای سنجش از دور اهمیت خاص دارد.در این تحقیق، به مننظرو پردازش دادههای طبقه بندی شده، روش فیلتر مدال و فیلتر
مدال تعدیل شده برای اصلاح طبقه بندیهای حاصل از الگوریتم حداکثر احتمال استفاده
شدهاند.اجرای فیلتر مدال تعدیل شده مبتنی بر مقایسه احتمال پسین مربوط به هر پیکسل
با میانگین احتمال پسین پیکسهای واقع در پنجره مورد بررسی و نیز اجتناب از اجرای
فیلتر مدال در مواردی است که احتمال پسین پیکسل بیش از میانگین احتمال پسین
پیکسلهای مورد بررسی باشد.به دلیل اهمیت نقش اندازه پنجره د رنتایج پنج اندازه
مختلف پنجره شامل 3 در 3، 5 در5، 7در7، 9در9، 11در11بررسی شده است.کارایی روشهای مورد استفاده با دادههای چند طیفی ماهواره اسپات( SPOT )و
عکس هوایی مربوط به بخشی از منطقه حاشیه تالالب انزلی در استان گیلان ارزیابی
گردیده است.نتایج این بررسی نشان میدهد که در مقایسه با روشهای مبتنی بر اطلاعات
پیکسلی، استفاده از اطلاعات طیفی و فضایی منجر به اصلاح دقت طبقه بندی میشود.در
مناطق همگن و کوچک، فیلتر مدال تعدیل شده بر مبنای احتمال پیکسل و فیلتر مدال
استاندارد به ترتیب با شاخص کاپای 60/68و47/59 درصد در دادههای ماهوارهای
و88/88و65/80 درصد در دادههای عکس هوایی بیشترین و کمترین دقت را دارند.
خلاصه ماشینی:
"با توجه به نحوه عملکرد فیلتر مدال در مناطق حساس(پیکسلهای مرزی، عوارض خطی بارز و پدیدههای ریز)و آثار نامطلوب به کارگیری مکرر حد آستانه برای هر پدیده، فیلتر مدال تعدیل شده 5 که مبتنی بر ترکیب خصوصیات طیفی و فضایی دادههاست، با اعمال اصلاحاتی در فیلتر اکثریت میتواند دقت طبقه بندی را نیز افزایش دهد[10].
مورد دوم در شکل مذکور نشان دهنده حالتی است که بیش از دو کلاس پنجره وجود دارد، مانند پیکسلهای مخلوط در مناطق مرزی، در اینجا به دلیل نبودن کلاس غالب، فیلتر مدال، کلاس پیکسل مرکزی را تغییر نمیدهد، چنانچه این تغییر مورد نظر باشد و باعث اصلاح دقت طبقه بندی گردد، باید مقدار حد آستانه مختلف برای مناطق گوناگون، نه فقط عوارض خطی بارز را به صرف عدم احراز اکثریت قوی حذف نمیکند، بلکه با به کارگیری احتمالات طبقه بندی اولیه و حفظ پیکسلهایی با میزان احتمال بالا دقت طبقه بندی را نیز افزایش میدهد.
(به تصویر صفحه مراجعه شود) شکل 3 موقعیت مناطق مورد مطالعه در:الف)دادههای ماهوارهای، ب)عکس هوایی (به تصویر صفحه مراجعه شود) تصویر 1 تصویر کاذب رنگی تصحیح شده(ترکیب باندهای 1، 2و3)ماهواره اسپات (بخشی از منطقه حاشیه تالاب انزلی در استان گیلان) (به تصویر صفحه مراجعه شود) تصویر 2 تصویر عکس هوایی رقومی شده(بخشی از منطقه حاشیه تالاب انزلی در استان گیلان) کلاسهای کشاورزی، اراضی مرطوب، و جنگل و مجتمعهای درختی در دادههای ماهوارهای با حفظ دقت طبقه بندی اولیه و کاربری مرتع در دادههای عکس هوایی با کاپای نزدیک به دقت طبقه بندی اولیه بهتر حفظ شدهاند، در روش MF به دلیل حذف عوارض ریز و جزئیات و همچنین نحوه عمل فیلتر در نواحی حاشیه طبقات، موارد مزبور دارای بیشترین کاهش دقت نسبت به طبقه بندی اولیهاند."