چکیده:
در این پژوهش با هدف پایش و بازشناسی الگوهای فرمیک شبکهی آبراهه ها در مرکز جزیرهی قشم از تصاویر پانکروماتیک HR-PR سنجنده GeoEye-1 استفاده شدهاست. در این راستا با بهره گیری از الگوریتم های FWS ، MSA ، IDF و CFM در نرمافزار MATLAB ناحیهبندی فازی صورت گرفته است. در ادامه بر اساس ویژگیهای فازی به ادغام تصاویر ورودی پرداخته و سپس با استفاده از خوشهبندی فازی به ناحیهبندی تصاویر اقدام گردید. در این رابطه از فرآیند ادغام تصاویر پانکروماتیک و خروجی آن جهت ناحیهبندی استفاده شده است. در نهایت روشهای خوشهبندی مورد مطالعه که دارای پارامترهای فازی هستند، بر روی تصاویر ورودی اعمال شده و نتایج آن مورد بحث و بررسی قرار گرفته است. نتایج ناحیهبندی فازی و مقایسهی روشهای پیشنهادی با یکدیگر نشان میدهد 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 ناحیهبندی این منطقه میباشد. نتایج الگوریتم های خوشه بندی مورد مطالعه، کارایی روشهای ناحیهبندی پیشنهادی را از منظر تشخیص عوارض و پدیده های مکانی و استخراج دقیق اطلاعات از تصاویر تایید مینمایند. از این رو مطابق نتایج پژوهش، استفاده از الگوریتم های خوشه بندی و ویژگیهای فازی، جهت ادغام اطلاعات تصاویر ماهوارهای HR-PRS روش مناسب و بهینه با هدف ناحیهبندی میباشد. همچنین در ادغام این اطلاعات اعداد فازی نوع نرمال بهترین نوع اعداد جهت استفاده در ناحیهبندی منطقه محسوب میشود و استفاده از اعداد فازی در حالت کلی میتواند ما را به نتایج بهتری در ناحیهبندی تصاویر ماهوارهای برساند. نتایج این پژوهش میتواند در آمایش سرزمین، مدیریت، برنامه ریزی و توسعهی پایدار آتی مناطق مفید واقع شود.
The purpose of this research is the automatic recognition of morphic patterns of drainage network in the center of Qeshm Island using High Resolution Panchromatic Remotely Sensed (HR-PRS) and fuzzy clustering algorithms. It also investigates the efficiency of these methods in the GeoEye-1 satellite imagery segmentation of the study area in order to detect geomorphic features in areas with cloud and shadow coverage. In this regard, fuzzy segmentation of HR-PRS panchromatic images of the study area, after radiometric and geometric preprocessing using FWS, MSA, IDF and CFM algorithms, was performed in MATLAB software. Finally, the studied fuzzy clustering algorithms with fuzzy parameters are applied to the input HR-PRS images and the results are discussed. The results show that the Classical Fusion Method and FCM (CFM) clustering algorithm has the best performance in the field of fuzzy segmentation and detection of the studied indices. . As a result, the image borders are well defined. The reason for this is the use of fuzzy numbers as well as efficient clustering methods in this method. These results also show that remote sensing technology, by providing multi-time images, can be a very good basis for monitoring and detecting environmental changes, detecting effects and accurately extracting information from images. Also, the use of clustering algorithms and fuzzy features is a suitable and optimal method for integrating HR-PRS satellite image information from a geographical area with the aim of segmentation.
خلاصه ماشینی:
1-Fan & Wang 7-Target Tracking 2-Zhang 8-Fu 3-Trabelsi & Frigui 9-Weight Variance Factor 4-Moustakidis 10-Window width 5-Hou 11-Similarity Tolerance 6-Automatic Pictorial Pattern Recognition 12-Chouhan ٥٤٥).
در این رابطه جهت اعمال روش های ناحیه بندی تصاویر ماهواره ای و خوشه بندی فازی پژوهش هایی با استفاده از ترکیب FCM و الگوریتم ژنتیک بهبودیافته ٩ HDGA (آواد١٠ و همکاران ، ٢٠٠٩)، رابطه ی درجه عضویت FCM و الگوریتم IDE١١ (داس و سیل ، 12 ٢٠١٠)، روش SW-FCM١٣ (حسن زاده و همکاران ، ٢٠١٠) و الگوریتم تعمیم یافته FCM–SCM١٤ (میترا و 1-Xie 8-Shang 2-Clustering 9-Hybrid Dynamic GA 3-Unsupervised classification 10-Awad 4-Ghosh 11-Improved Differential Evolution 5-HongLei 12-Das and Sil 6-Fuzzy C-Means 13-Size Weigthed FCM 7-Saha 14-Shadowed C-Means کاندو١، ٢٠١١) صورت گرفته است .
(به تصویر صفحه رجوع شود) (به تصویر صفحه رجوع شود) شکل (٤): نتایج ناحیه بندی الگوریتم های خوشه بندی فازی مورد بررسی در محدوده ی مطالعاتی : الف (MSA)، ب (FWS)، ج (IDF)، د (CFM) Fig (4): Segmentation results of fuzzy clustering algorithms in the study area: A (MSA), B (FWS), C (IDF), D (CFM) 1-Spatial 2-Radiometric همانگونه که در شکل ٤ مشاهده می شود، روش CFM در ناحیه بندی فازی و تشخیص و آشکارسازی شاخص های مورد بررسی بهترین عملکرد را دارا می باشد (شکل ٤- د).
Effect of Different Segmentation Methods Using Optical Satellite Imagery to Estimate Fuzzy Clustering Parameters for SENTINEL-1A SAR Images, International archives of the photogrammetry, remote sensing and spatial information sciences, Vol. XLII-1, pp.