بخشی از مقاله
چکیده :
دادههای سنجش از دوری اساس بسیاری از کاربردها از جمله طبقهبندی پوشش زمین را فراهم میکنند. با طبقهبندی این دادهها تفسیرپذیری پوشش زمین صورت میگیرد. در این مطالعه با استفاده از تصاویر چند طیفی لندست 5 و ویژگی موجک به طبقهبندی شهر شیراز در سال 2011 پرداخته میشود. ویژگیهای موجک از تبدیل موجک دو بعدی بر روی تصویر حاصل شده و خصوصیات طیفی و مکانی تصویر را توصیف میکنند.
به عبارت دیگر طبقهبندی با استفاده از ویژگی موجک نتایج بهتری در مقایسه با روشهایی که تنها بر اساس اطلاعات طیفی پیکسلها طبقهبندی میکنند، برخوردار است. برای طبقهبندی تصویر از روش بیشینه شباهت استفاده و تصویر به 4 کلاس زمین بایر، پوشش گیاهی، راه و منطقهی شهری طبقهبندی شد. نتایج حاکی از آن است که استفاده از ویژگی موجک باعث بهبود دقت طبقهبندی شده است. دقت کلی و ضریب کاپا بدون در نظر گرفتن ویژگی موجک %88.1356 و %0.84، در صورتیکه با استفاده از این ویژگی %92.3635 و %0.89 حاصل شد.
-1 مقدمه
تصاویر رقومی دارای آرایه ای از عناصر تصویری هستند که در هر آرایه از این تصاویر، مجموع انرژی بازتابیده و گسیل شده از محدوده متناظر آن در سطح زمین، پس از تاثیر عوامل خطا، ثبت و ذخیره می گردد. این ارزشهای عددی پدیدههای مختلف را توصیف می کند. بنابراین می توان نسبت به طبقه بندی آنها اقدام نموده و اطلاعات مربوطه را در کلاسهای مشخص استخراج نمود. با استفاده از طبقهبندی تصاویر عضویت یک پیکسل به یک کلاس تعیین می شود.
طبقه بندی تصاویر یک چالش مهم در بسیاری از کاربردهای تصاویر سنجش از دوری از جمله آنالیز کاربری زمین,کنترل آلودگی وارزیابی مناطق آتش گرفته ی جنگل و.. 1]، 2 و [3 میباشد. به طور کلی طبقه بندی شامل دو روش کلی طبقه بندی نظارت شده و طبقهبندی نظارت نشده میباشد. در روش طبقه بندی نظارت شده، نوع و مکان برخی از انواع پوشش های زمین مثل منطقه شهری، کشاورزی، آب و از قبیل آن شناخته شده هستند .
این شناخت ترکیبی از کار میدانی، تفسیر عکسهای هوایی، تجزیه و تحلیل نقشه ها و تجربه ی فرد متخصص قابل حصول است . لازم است کاربر مکانهای مخصوصی را در داده های تصویری که نماینده مناطق همگنی از پوششهای زمین شناخته شده هستند را معین کند .این مکان ها را به دلیل خصوصیات طیفی آنها در آموزش الگوریتم طبقه بندی برای تهیه نقشه نهایی، معمولا مناطق آموزشی مینامند. در طبقه بندی بدون نظارت، نوع و مکان انواع پوششهای زمین که قرار است به عنوان کلاس تعیین شوند، معمولا از قبل شناخته شده نیستند.
روشهای طبقه بندی نظارت شده با ورودی عددی به سه گروه تقسیم می شوند. پارامتریک، نیمه پارامتریک، غیر پارامتریک .[4] در هر سه این روشها از یک مجموعه دادهی آموزشی استفاده کرده که دارای برچسب کلاسی مشخص می باشند. روشها ی پارامتریک و نیمه پارامتریک به اطلاعات اولیه در مورد ساختار داده ها در مجموعه ی دادههای آموزشی نیاز دارند.
تصاویر چند طیفی پتانسیل جداسازی انواع پوششهای زمین با استفاده از اطلاعات طیفی را دارند. به هر حال با افزایش رزولوشن مکانی تصاویر سنجش از دوری در نظر گرفتن تنها اطلاعات طیفی برای طبقهبندی کافی نیست .[8] در نتیجه روشهای استخراج ویژگی مکانی مختلف برای فراهم سازی اطلاعات جداسازی کلاس ها در طبقهبندی طراحی شد. در این مطالعه پس از پیش پردازش تصاویر، به استخراج ویژگی موجک پرداخته و تصویر مربوطه به روش بیشینه شباهت طبقهبندی میشود.
-2 مواد و روش تحقیق
منطقهی مورد نظر در این مطالعه شهر شیراز است. بدینمنظور از تصاویر اخذ شدهی لندست 5 در سال 2011 استفاده شده است. منطقهی مورد مطالعه در طول جغرافیایی 52 درجه و 35 دقیقه و 1 ثانیه شرقی و در عرض جغرافیایی 29 درجه و 35 دقیقه و 30 ثانیه شمالی میباشد. برای انجام این مطالعه از باندهای 5،4،3،2،1و 7 تصاویر لندست استفاده شد. ابعاد تصویر مورد استفاده 244 *194 در واحد پیکسل است. شکل 1 منطقهی مطالعاتی را نشان داده است.
-1-3 پیشپردازش
این مرحله شامل تصحیحات هندسی و رادیومتریکی میباشد. برای انجام رادیومتریکی و کالیبراسیون تصاویر لندست از نرمافزار ENVI استفاده شد. در کالیبراسیون بازتابندگی تمامی باندهای تصویر لندست5 به رادیانس در دهانهی سنجنده تبدیل میشود.
-2-3 ویژگی موجک دو بعدی
تبدیل موجک یک سیگنال یا تصویر را به یک مجموعه توابعی که خصوصیات محلی در فضای فرکانس و زمان دارند، تجزیه میکند. تبدیل موجک به عنوان تابع اصلی در نمایش و آنالیز تارگت استفاده میشود. تبدیل موجک با رابطه - 1 - بیان میشود.[5] پارامتر مقیاس a به صورت فرکانس1/ تعریف میشود. پارامتر انتقال b وابسته به مکان تابع موجک میباشد. بنابراین با اطلاعات زمانی تابع موجک مطابقت میکند. تابع موجک گسسته که بر مبنای کدگذاری زیر باندهاست، برای محاسبات سریع تابع موجک به کار میرود. این تابع به آسانی اجرا و زمان محاسبات را کاهش میدهد.
در تابع موجک گسسته مقیاس زمان سیگنال با استفاده از تکنیکهای فیلترینگ تعیین میشود. بعد از اعمال فیلترها دو سیگنال تجزیه شده باند - - L یا باند تقریب - و باند - -H یا باند جزئیات - تعیین میشوند. L و H با سیگنالهای فیلتر شدهی پایینگذر و بالاگذر مطابقت میکنند .[6] نتایج تابع موجک گسستهی دو بعدی با اولین فیلترینگ سیگنال در جهت سطر و فیلترینگ نتایج در جهت ستون بهدست میآیند. در هر مرحله 4 زیر باند HH, HL, LH و LL با ترکیب فیلترینگ بالاگذر و پایینگذر حاصل میشوند. تابع موجک گسستهی دو بعدی بهعنوان یکی از تکنیکهای مفید برای آنالیز تصاویر چند طیفی شناخته شده است.
