بخشی از مقاله
چکیده :
منطقه مورد مطالعه بین طول جغرافیایی ٣٠:۵۵ تا ٣٠:۶۵ و عرض جغرافیایی ٣٠:٢٨ تا ٢٩ واقع شده است این منطقه شامل دو برگه خبر و باغات میباشد. در این مطالعه از طبقهبندی نظارت شده استفاده شد. در این روش پیکسلھاي مربوط به ھر جسم زمینی در رنگھاي مختلفی نشان داده شد. ابتدا ترکیب رنگی RGB=8,3,1 سنجنده ASTER ساخته شد که واحدھای مختلف لیتولوژی را به خوبی از ھم جدا نمود سپس دستهھایی تعیین گردید و مناطقی که با اطمینان متعلق به این دستهھا ھستند در تصاویر مشخص شد و در مرحله بعد با یک سري عملیات ریاضی و آماري پیکسلھا در گروهھاي خود قرار گرفت.
طبقهبنديھاي مختلف بر روي تصاویر استر انجام و از روشھای کمترین فاصله تا میانگین، چهارگوشھا، بیشترین شباھت، نقشه-برداري زاویه طیفی ، فاصله ماھالونوبیس و شبکه عصبی استفاده شد و پیکسلھا در گروهھاي کاملا مجزا قرار گرفت. میزان صحت این طبقه بندی توسط نرمافزار ENVI تعیین شد و روشھای شبکه عصبی و بیشترین شباھت بهترین تصویر با صحت بالای ٩٠ درصد را نشان داد.
مقدمه :
ھدف اصلی طبقه بندي تصویر قرار دادن پیکسلھا در گروهھاي کاملا مجزا میباشد. در این روش پیکسلھاي مربوط به ھر جسم زمینی مانند خاک، آب، سنگ و غیره گروهبندي شده و در رنگھاي مختلفی نشان داده می-شوند. اما محدودیتھاي خاصی در این زمینه وجود دارد. مثلا پوشش خاک بر روي سنگھا باعث میشود که نتوانیم سنگھا را به درستی طبقهبندي نماییم.
الگوي طیفی موجود در ھر پیکسل به عنوان پایهاي جهت طبقه بندي استفاده میشود. دو جسم ممکن است در یک باند داراي بازتاب مشابه باشند. در حالی که در باندھاي دیگر بازتاب آنها متفاوت میباشد. در نتیجه طبقهبندي تصویر مبتنی بر الگوي طیفی پیکسلھا می-باشد و نه وضعیت ھندسی آنها. در روش دیگر طبقهبندي، الگوي فضایی پیکسلھا و نحوه قرارگیري آنها نسبت به یکدیگر مد نظر میباشد. اندازه، بافت تصویر، شکل، جهتداري، نزدیکی با پیکسلھاي دیگر و غیره اساس طبقهبندي میباشد. دو روش کلی جهت طبقهبندي تصاویر وجود دارد که عبارتند از:
الف- طبقهبندي نظارت شده
ب- طبقهبندي نظارت نشده
در طبقه بندي نظارت شده مراحل زیر انجام میگیرد:
الف- مرحله آموزش و جداسازي دستهھا
در این مرحله تعداد دستهھا تعیین میشوند و مناطقی که با اطمینان متعلق به این دستهھا ھستند در تصاویر جدا میشود.
ب- مرحله طبقهبندي تصویر
در این مرحله با یک سري عملیات ریاضی و آماري پیکسلھا در گروهھاي خود قرار میگیرند.
ج- مرحله نمایش دادهھا
١-١- موقعیت جغرافیایی و زمینشناسی منطقه
منطقه مورد مطالعه شامل دو برگهي زمین شناسی در مقیاس ١٠٠٠٠٠/١ باغات و خبر میباشد. منطقه تحت پوشش در استانهاي کرمان و ھرمزگان قرار گرفته است. خبر و باغات تماما در زون سنندج- سیرجان قرار گرفته اند. از دیدگاه تقسیمات ساختاري میتوان خبر را به چند ناحیه تقسیم نمود که عبارتند از:١- فرازمین چاهزار٢-زون فلیشھاي ائو- الیگوسن و فلیشھاي مزوزئیک٣- زون تراستی میانی۴- فرازمین خبر ۵- زون دگرگونه و توده-ھاي آذرین بزار- قدمگاه. قسمت اعظم منطقه مورد مطالعه از کمپلکسھاي دگرگونه پالئوزوئیک پوشیده شده که جزئی از مجموعهھاي دگرگونی است.
این منطقه داراي ساختاري کلی فلسی میباشد که جهت کلی راندگیھا از سوي شمال شرق و شمال به سوي جنوب غرب و جنوب میباشد. تکرار حوادث تکتونیکی در این منطقه، خصوصا تکرار رانش شمالی- جنوبی در کوھزاییھاي کیمبرین آغاري و پسین و آلپین جوان ساختار پیچیدهاي به وجود آورده که تدوین ارتباطات چینهشناسی را بسیار دشوار نموده است.
منطقه باغات عمدتا از مجموعهھاي سنگی پالئوزوئیک و مزوزوئیک دگرگون شده به وجود آمده است. مجموعهھاي سنگی پالئوزوئیک و مزوزوئیک به صورت تراشهھاي تکتونیکی بطور متناوب کنار ھم قرار گرفتهاند. حوضهھاي مزوزوئیک به صورت گودالھاي نسبتا باریک و طویل در درون بلوکھاي پالئوزوئیک قرارگرفته و توپوگرافی فعلی این محدوده نیز چنان است که مجموعهھاي پالئوزوئیک، فرازمینھا و مجموعهھاي مزوزوئیک، فروزمینھا راتشکیل میدھند.
بحث:
بر اساس نقشه زمین شناسی مناطق آموزشی که معرف کلاسھاي مختلف در نقشه زمین شناسی می-باشد تعریف گردید سپس طبقه بندي به روشھاي مختلف بر روي تصاویر استر انجام شد.
٢-١- روشھاي طبقهبندي نظارت شده
٢-١-١- روش کمترین فاصله تا میانگین
در این روش میانگین ھر گروه تعیین میشود. در صورتی که پیکسلی نامشخص را بخواھیم در ھر گروه قرار دھیم میتوان فاصله آن را با میانگین گروهھا محاسبه نمود. سپس این پیکسل در گروھی قرار میگیرد که کمترین فاصله را دارا باشد. میزان فاصله را میتوان با رابطه زیر حساب کرد.
٢-١-٢- روش طبقهبندي چهارگوشھا
در این روش میتوان حساسیت نسبت به واریانس دادهھاي دستهھا را زیادتر نمود. در این راستا میتوان گستره مقادیر پیکسلی خاصی را براي ھر دسته در نظر گرفت. این گستره میتواند مقادیر حداکثر و حداقل در ھر دسته باشد. در نتیجه مرز دستهھا با یک سري مستطیلھایی احاطه میگردند.
٢-١-٣- روش طبقهبندي بیشترین شباھت
در این روش ھم واریانس و ھم کواریانس لحاظ میگردد. در اینجا بایستی این فرض را داشته باشیم که پیکسلھاي ھر منطقه آموزشی Training test داراي توزیع نرمال یا گوسی میباشد.
٢-١-۴- روش نقشهبرداري زاویه طیفی - SAM -
SAM یک روش طبقهبندي است که نقشهبرداري صحیح را با به کار بردن تشابه بین طیف بازتابی تصویر و طیف مرجع امکانپذیر میکند. طیف مرجع از ھر آزمایشگاھی میتواند گرفته شود. SAM تشابه بین طیف ھا را با محاسبه زاویه بین دو طیف به دست میآورد در واقع آنها را به عنوان بردارھایی در فضاي n بعدي در نظر می-گیرد. زوایاي کوچکتر بین دو طیف تشابه ببیشتر و زوایاي بزرگتر شباھت کمتري را نشان میدھند.
٢-١-۵- روش فاصله ماھالونوبیس
طبقه بندي فاصله ماھالونوبیس یک طبقه بنديکننده فاصله مستقیم است که از آمار براي ھر کلاس استفاده میکند. این طبقهبندي شبیه طبقه بندي بیشترین شباھت میباشد با این تفاوت که کوواریانس ھمه کلاسها را برابر در نظر میگیرد. بنابراین این روش سریعتر است. ھمه پیکسلھا نسبت به طبقه بندي اولیه، طبقه بندي میشوند تا زمانیکه حد آستانه فاصله مشخص شود. اگر حد آستانه تعیین نشود، بعضی پیکسلھا طبقه بندي نمیشوند.
٢-١-۶- شبکه عصبی
به دلیل اینکه ھمچون شبکهاي از اجزا به ھم مرتبط است، آن را شبکه عصبی مینامند. این اجزا از مطالعات سیستمھاي زیستی الهام گرفته است به عبارت دیگر شبکهھاي عصبی سعی بر آن دارند تا با استفاده از اجزایی که شبیه سلولھاي عصبی زیستی رفتار میکنند، ماشینھایی ایجاد کنندکه مانند مغز انسان عمل نمایند. طبقه بندي شبکه عصبی مصنوعی مدل پردازش اطلاعات بر اساس سادهسازي درک ما از چگونگی پردازش دادهھا در نرونھا و سیناپسھاي مغز انسان میباشد. این مدل شامل تعداد زیاد، اجزاي پردازش که از درون به ھم متصل شده و مشابه نرونھا ھستند، میباشد. این اجزا با اتصال وزنی مشابه سیناپس به یکدیگر مرتبط میشوند.
٢-٢- نتایج بدست آمده از طبقه بندي دادهھاي ASTER
واحدھاي لیتولوژي در ترکیب رنگی RGB= 7,3,1 استر به خوبی از ھم مجزا شدند وسپس طبقه بنديھاي نظارت شده که در بالا ذکر شد بر روي آن اعمال شد که نتایج آن در تصاویر زیر دیده میشود - شکلھاي٢ تا۶ - .
