چکیده:
طبقه بندی یکی از مهم ترین روش های استخراج اطلاعات از تصاویر رقومی ماهواره ای است. در روش های معمول پیکسل پایه، طبقه بندی بر اساس ارزش عددی هر یک از پیکسل ها انجام می شود که نتیجه بازتاب عارضه های متناظر آن در سطح زمین است. توانایی روش های کلاسیک در طبقه بندی تصاویر ماهواره ای هنگامی که اشیا متفاوت اطلاعات طیفی مشابهی دارند محدود می با شد. این امر موجب کاهش صحت روش های طبقه بندی پیکسل پایه می گردد. اما در روش طبقه بندی شی گرا اطلاعات طیفی با اطلاعات مکانی ادغام گردیده و پیکسل ها بر اساس شکل، بافت و تن خاکستری در سطح تصویر با مقیاس مشخص سگمنت سازی شده و طبقه بندی تصویر بر اساس این سگمنت ها انجام می شود. در این تحقیق الگوریتم طبقه بندی پیکسل پایه حداکثر احتمال و الگوریتم طبقه بندی نزدیک ترین همسایه شیءگرا در طبقه بندی تصاویر سنجنده HDR ماهواره ای SPOT 5 مورد مقایسه قرار گرفته است و به منظور مقایسه نتایج، نقشه کاربری اراضی استان آذربایجان غربی با هر دو روش طبقه بندی تهیه شده است. مقایسه نتایج مربوط به صحت کلی طبقه بندی ها نشان می دهد که روش طبقه بندی شیء گرا با افزایش دقت معادل 7% در هر دو شاخص صحت کلی و کاپا، در طبقه بندی تصاویر ماهواره ای از دقت بالاتری برخوردار است. نتایج این تحقیق در استخراج نقشه های کاربری اراضی استان آذربایجان شرقی و آشکارسازی تغییرات کاربری 30 ساله محدوده بالادست سد ستارخان مورد استفاده قرار گرفت.
خلاصه ماشینی:
"در این تحقیق الگوریتم طبقهبندی پیکسل پایه حد اکثر احتمال و الگوریتم طبقهبندی نزدیکترین همسایه شیءگرا در طبقهبندی تصاویر سنجنده HDR ماهوارهای SPOT 5 مورد مقایسه قرار گرفته است و به منظور مقایسه نتایج،نقشه کاربری اراضی استان آذربایجان غربی با هر دو روش طبقهبندی تهیه شده است.
در این رابطه تحقیقات صورت گرفته توسط (Chen et al,2009,483) که با استفاده از تصاویر ماهوارهای Spot نسبت به مقایسه روشهای طبقهبندی پیکسل پایه و شیءگرا در استخراج اطلاعات از تصاویر ماهوارهای اقدام نمودند و در پردازش شیءگرای تصاویر ماهوارهای از مدل رقومی ارتفاع ṣ(DEM)2 اطلاعات مکانی شامل بافت و شکل به عنوان عاملی به منوظر افزایش دقت طبقهبندی شیءگرا استفاده کردند و پس از انجام طبقهبندی با دو روش پیکسل پایه و شیءگرا،نتیجه میگیرند که الگوریتم طبقهبندی فازی در روش طبقهبندی شیءگرا با صحت کلی 69/24 درصد در مقایسه با الگوریتم طبقهبندی حد اکثر احتمال در روش طبقهبندی پیکسل پایه با دقت کلی 77/97 درصد،در طبقهبندی تصاویر ماهوارهای، از دقت بالاتری برخوردار است.
همانگونه که این شکل نشان میدهد،در طبقهبندی با الگوریتم پیکسل پایه حد اکثر احتمال،پیکسلهایی که روی خط جداکننده کلاسها قرار میگیرند،نهایتا باید به یکی از کلاسهای آب،خاک و یا گیاه اختصاص یابند(طبقهبندی سخت)اما در فرایند طبقهبندی با الگوریتم نزدیکترین همسایه در روش طبقهبندی شیءگرا پیکسلها،براساس وزنشان به کلاسهای مختلف نسبت داده میشود(طبقهبندی نرم)در این روش طبقهبندی،پیکسل آمیخته،از یک درجه عضویت برای هر کلاس برخوردار است و براساس منطق فازی متناسب با بیشترین درجه عضویت در یک کلاس خاص طبقهبندی میشود."