بخشی از مقاله
چکیده:
هوآویزهای جوی در تصاویر نوری نقش بسزائی در تعیین درجه خاکستری١ پیکسلها دارند. درجه خاکستری پیکسلها برای استفاده در هر فرآیند سنجش از دور، بایستی ابتدا در یک فرآیند پیش پردازش، تصویر تصحیح جوی شوند.
اصطلاحاﹰ بایستی دادههای تصویری به اطلاعات تبدیل شوند. طبقهبندی تصاویر ماهوارهای رایجترین فرآیند استخراج اطلاعات از تصاویر ماهوارهای میباشد. تاکنون روشهای متنوعی برای طبقهبندی تصاویر ماهوارهای پیشنهاد شدهاست، که هر یک از جهاتی دارای نقاط ضعف و از جهاتی دارای نقاط قوت میباشند. به عنوان نمونه خالص فرض کردن پیکسلهای تصویر یکی از نواقص رایج روشهای طبقهبندی است در حالیکه عموماﹰ در تصاویر سنجش از دور بعلت قدرت تفکیک مکانی محدود سنجندهها، وقتی مرز دو یا چند پدیده در داخل یک پیکسل قرار میگیرند، علائم طیفی دچار اختلاط میشوند و پیکسلهای مختلط را بوجود میآورند. برای طبقهبندی دقیق تصاویر ماهوارهای از روش تجزیه
اختلاط طیفی استفاده میشود. در این پژوهش با مطالعه اثر فرآیندهای جوی بر طبقهبندی تصویر ماهواره ASTER از منطقهای در قسمت میانی استان مرکزی - شمال آشتیان و جنوب شهرستان تفرش - ، نشان داده میشود که تصحیحات
اتمسفر نقش قابل توجهی در دقت طبقهبندی زیر پیکسلی تصویر دارد. برای اعمال تصحیحات جوی تصویر، از دادههای هواشناسی منطقه که از پایگاه هواشناسی ساوه در زمان تصویربرداری تهیه گردیده استفاده شده است.
واﮊگان کلیدی: تجزیه اختلاط طیفی، تجزیه خطی اختلاط طیفی، تصاویر ماهوارهای، تصحیحات جوی، طبقهبندی زیرپیکسلی
۱‐ مقدمه:
هوآویزهاي جوي نظیر گرد و غبار تأثیر بسزایی بر طیف ثبت شده پیکسلهاي تصویر دارند. بنابراین، در فرآیندهاي سنجش از دور، استفاده مستقیم از طیف دادههاي تصویري صحیح نیست و بایستی با انجام یک فرآیند پیش پردازش طیفی بر روي تصویر، دادهها را به اطلاعات عاري از خطاي جوي تبدیل نمود. طبقهبندي تصویر که یکی از روشهاي رایج براي استخراج اطلاعات از تصویر است، از طیف پیکسلها براي این منظور استفاده میکند. در صورتیکه تصحیحات جوي به درستی بر روي تصویر اعمال نشود، مسلماً نتایج طبقهبندي صحیح نخواهند بود.
جهت بررسی وضعیت جوي و اعمال تصحیحات جوي بایستی از پارامترهاي هواشناسی که در ایستگاههاي هواشناسی اندازهگیري، محاسبه و ثبت میشوند استفاده نمود. در میان پارامترهاي هواشناسی که در تصویر مؤثر هستند، باد مهمترین نقش را دارد، چرا که هوآویزهاي جو منطقه را باد جابجا میکند. از سوي دیگر، اثر رطوبت قابل چشمپوشی است، زیرا در تصاویر نوري رطوبت که بصورت بخار آب در جو منطقه وجود دارد، تأثیري در درجه خاکستري پیکسلها ندارد.
در این پژوهش از تصویر یک منطقه کشاورزی در شمال شهرستان آشتیان برای مطالعه استفاده شده است و دادههای هواشناسی منطقه از سازمان هواشناسی کشور پایگاه هواشناسی ساوه در زمان تصویربرداری تهیه گردیده استفاده شده است.
٢‐ طبقهبندی زیرپیکسلی
درروشهاي معمول طبقهبندي تصاویر، همه پیکسلها را خالص فرض میکنند و در نتیجه هر پیکسل، منحصراً به یک کلاس تعلق دارد. این در حالیست که در طبقهبندي پیکسلهاي مختلط، نه تنها یک پیکسل میتواند در بیش از یک کلاس قرار گیرد، بلکه قیدي هم براي تعداد کلاسهایی که پیکسل مختلط را در خود جاي میدهند وجود ندارد. در واقع، بعلت ناهمگونی پوششهاي سطح زمین، در داخل یک پیکسل چند پوشش خالص با هم ظاهر میشوند.[3] همچنین، برخی از پوششها، ذاتاً داراي طبیعت مختلط هستند.[5] از اینرو، طبقهبندي پوششهاي سطح زمین در تعداد محدودي کلاس، منجر به از دست رفتن اطلاعات قابل توجهی میشود.
تا کنون روشهاي متنوعی براي طبقهبندي زیرپیکسلی و تجزیه اختلاط طیفی پیشنهاد شده است که در [3] به تعداد قابل توجهی از این روشها، با توضیحات کامل اشاره شده است. در اینجا براي بررسی اثر تصحیحات جوي بر نتایج حاصل از طبقهبندي صرفاٌ از روش تجزیه خطی اختلاط طیفی استفاده میشود.
روش تجزیه خطی اختلاط طیفی١
پیکسلهاي مختلط با معکوس کردن مدل آماري که پیشتر گفته شد، میتواند تجزیه شود. مدل اختلاط خطی، معمولاً بصورت ماتریس زیر نوشته میشود:
در این رابطه، بردارf ضرایب سهم عضوها در پیکسل است و ماتریسM بازتاب میانگین پوششهاي متفاوت است.
تغییرات احتمالی بازتابندگی عضوها در بردار خطايe میآید. مجدداً، اگر تعداد باندهاي طیفی و نوع پوششهاي گیاهی به ترتیب n و c فرض شوند، x بردار ستونی پیکسل با ابعاد n×1 یا همان مشاهدة چند طیفی است و f بردار ضرایب وزنی با ابعاد c×1 است که وزن انواع پوششهاي زمینی را بیان میدارد. هر ستون ماتریس M با ابعاد n×c بازتابندگی طیفی هریک از عضوها را شامل میشود. با نهایتاً بردار خطاي e با ابعاد n×1 براي مدل کردن نوسانات آماري حول مقدار میانگین m - f - =Mf بکار میرود. فرض میشود که یک توزیع نرمال با میانگین صفر و ماتریس واریانس-کواریانس N - f - وجود داشته باشد. معادلات اختلاط - - 1، معمولاً با 2 قید همراه هستند و براي آنکه معادله، یک جواب صریح و منحصر به فرد داشته باشد، این قیود باید تأمین شوند. قید واحد شدن مجموع، که بیان میدارد: زمانی پیکسل بطور کامل توسط اجزایش شناخته شده است که مجموع سهمهاي وزنی اجزاء در آن پیکسل، واحد شود:
قید دیگري که الزاماً با ید تأمین شود، قید مثبت شدن است، که بیان میدارد: هیچ یک از وزن اجزاء پیکسل مختلط نمیتوانند در مجموع، منفی ظاهر شوند - ضریب و سهم منفی داشته باشند -
تأمین شدن قید دوم، معمولاً دشوار است ونیاز به اعمال روشهاي ویژهاي دارد. معادلات اختلاط و قیود ذکر شده با هم، معادلاتی را تشکیل میدهند که بایستی براي تجزیه هر پیکسل مختلط، توأمان حل شوند.
٣‐ ارزیابی دقت به روش مقایسه با نقشه واقعیتهای زمینی فازی
همانطور که در ابتداي این مبحث اشاره شد، روش معمول براي ارزیابی دقت طبقهبندي تصویر در روش طبقهبندي پیکسلی، شمارش پیکسلهاي کلاسهاي نظیر در خروجی روش طبقهبندي و نقشه واقعیتهاي زمینی است. به این ترتیب میتوان در یک ماتریس ابهام1، مشخص نمود که پیکسلهاي هر کلاس در نقشه واقعیتهاي زمینی توسط طبقهبنديکننده در چه کلاسهایی قرار گرفتهاند. همچنین در این ماتریس مشخص میشود پیکسلهاي خروجی روش طبقهبندي در نقشه واقعیتهاي زمینی در چه کلاسهایی قرار دارند. به این ترتیب اطلاعات آماري ارزیابی روش طبقهبندي در اختیار خواهد بود، که طی چند پارامتر دقت محاسبه میشوند. این روش ارزیابی پیکسلی نمیتواند در روش تجزیه طیفی استفاده شود، زیرا خروجی روش تجزیه طیفی در مقیاس کوچکتر از پیکسل - زیرپیکسل - بدست میآید.[3]
٤‐ بررسی وضعیت جوی منطقه
براي دستیابی و ارزیابی اثر خطاي جو در تصویر مورد استفاده بررسی وضعیت جوي منطقه ارائه میشود. در [3]
تعاریف مربوط به مباحث این قسمت بطور کامل شرح داده شده است. بمنظور در اختیار داشتن پارامترهاي هواشناسی در تاریخ و زمان اخذ تصویر یعنی ساعت 7:30 صبح روز 30 مرداد 1383، دادههاي هواشناسی سال2004 ایستگاه هواشناسی ساوه از سازمان هواشناسی کشور اخذ و مورد پردازش قرار گرفت. این دادهها بصورت اخذ 3ساعته موجود هستند. در این قسمت صرفاٌ به ارزیابی جهت و سرعت باد و همچنین تغییرات میزان رطوبت در دو روز قبل و بعد از گذر
