بخشی از مقاله
چکیده
در روش های اولیه طبقه بندی، پیکسل ها به عنوان واحد پردازش در نظر گرفته می شدند. این روش ها اغلب نمی توانند از مفهوم معنایی اطلاعات تصاویر استفاده بکنند و معمولا نتایج این طبقه بندی کننده ها راضی کننده نیستند. برای حل این مشکل روش های شی گرا برای طبقه بندی تصاویر سنجش از دور گسترش پیدا کردند. در این مقاله یک روش نوین طبقه بندی شی گرا برای تصاویر پلاریمتری راداری که از ترکیب روش های طبقه بندی کننده پیکسل مبنا و یک روش قطعه بندی استفاده می کند، ارائه می شود.
برای طبقه بندی پیکسل مبنا از سه روش وی شارت، K-means ، SVM1 و شیوه رای گیری نرم، برای ترکیب نتایج طبقه بندی کننده های چندگانه که تا حدودی می تواند بر ضعف رای اکثریت غلبه بکند، استفاده می شود. نتایج تحقیق بر روی یک تصویر پلاریمتری چهار گانه SAR2 از سنجنده RadarSAT2 پیاده می شود.
روش ارائه شده در این تحقیق، بعد از ترکیب نتایج طبقه بندی کننده های مختلف، نتایج دقیق تری می دهد و به یک نقشه طبقه بندی همگن نسبت به روش های پیکسل مبنا خواهد رسید. با بکار گیری قطعه بندی چند مقیاسی به یک سری نتایج طبقه بندی می رسیم که نشان می دهند روش ارائه شده بهتر از روش های معمول شی گرا عمل می کند. در روش پلاریمتری- مکانی ارائه شده، دقت کلی طبقه بندی برای حالت رای گیری سخت، از 73.11% تا 87.43% و برای حالت رای گیری نرم، از 79.78% تا 91.39% افزایش می یابد.
.1مقدمه
تصاویر سنجش از دوری که با استفاده از سنجنده های اپتیک بدست می آیند اغلب برای تشخیص نوع پوشش زمین و تعیین کاربری زمین مورد استفاده قرار می گیرند. داده های اپتیکی سنجش از دور بیشتر تحت تاثیر شرایط جوی و اتمسفری قرار می گیرند که این امر باعث ایجاد مشکل برای پردازش این تصاویر می شود. سیستم های SAR در هر شرایط آب و هوایی و در طول شب و روز می توانند تصاویری با قدرت تفکیک بالا با استفاده از تابش پرتوهای راداری فراهم بکنند. با این وجود اوایل بیشتر سیستم های راداری تکپولاریزه بودند و همین امر باعث بروز مشکل در جداسازی و تهیه نقشه کاربری و پوشش زمین به دلیل محدود بودن اطلاعات می شد. تصاویر پلاریمتری SAR یک پیشرفت برای سیستم های راداری تلقی می شود که بر روی پرتو های تابیده شده و بازگشت شده چند فرکانسی امواج رادار که برای تعیین ویژگی های پوشش زمین و نوع تارگت مورد استفاده قرار می گیرد، تمرکز دارد.
در روش های قدیمی واحد پردازش طبقه بندی، پیکسل بود. در دو دهه ی اخیر روش های زیادی برای طبقه بندی تصاویر پلاریمتری راداری ابداع شده است. این روش ها به سه دسته ی
یک: الگوریتم هایی که بیشتر بر اساس ویژگی های آماری تصاویر پلاریمتری عمل می کنند
دو: روش هایی که به آنالیز مکانیزم پراکنش تصاویر پلاریمتری می پردازند
و سه: روش هایی که هر دو روش آنالیز مکانیزم پراکنش تصاویر پلاریمتری و ویژگی های آماری تصاویر پلاریمتری را با هم ترکیب می کنند، تقسیم می شوند.
اگر چه نتایج طبقه بندی حاصل از این روش های پیکسل مبنا مثبت می باشد اما این روش ها دارای ضعف هایی هم هستند. یکی از این ضعف ها عدم توانایی این روش ها برای استفاده از اطلاعات معنایی تصویر - بافت و شکل - است که مخصوصا در تصاویر با قدرت تفکیک بالا منجر به غیر قابل اطمینان شدن طبقه بندی می شود
برای حل این مشکل روش های طبقه بندی کننده ی شی گرا توسعه پیدا کرد. این روش در سطح شی تصویر و استفاده از ویژگی ها و روابط بین اشیا در تصویر پیاده می شود. اشیا تصویر نمایان گر ویژگی های دنیای واقعی هستند که از جمع چند پیکسل مشابه در کنار هم ایجاد می شوند. در سال های اخیر روش های طبقه بندی شی گرای فراوانی برای تصاویر پلاریمتری SAR تولید شده اند که هر کدام از این روش ها دقت طبقه بندی را نسبت به روش های پیکسل مبنا بهبود بخشیده اند.
به طور خلاصه در روش های قدیمی طبقه بندی در سطح اشیا تصویر با استفاده از میانگین گیری از پیکسل های داخل یک شی تصویر انجام می شود. روش دیگر برای بهبود دقت طبقه بندی تصاویر پلاریمتری استفاده از ترکیب چند طبقه بندی کننده می باشد. در تشخیص الگو تلاش های زیادی برای پیدا کردن بهترین روش طبقه بندی انجام شده است با این وجود یک روش بهینه انتخاب نشده است و هر کدام از طبقه بندی کننده ها مزایای خاص خودشان را دارند. به همین دلیل ترکیب طبقه بندی کننده ها به طور گسترده مورد توجه قرار می گیرد و هدف این است که به مطلوب ترین دقت حاصل از ترکیب طبقه بندی کننده ها برسیم. روش های ترکیب طبقه بندی بر اساس الگوریتم هایی که ساخته می شوند دسته بندی می شوند. رای اکثریت، بر پایه بیشترین انتخاب هر پیکسل برای یک کلاس توسط طبقه بندی کننده های مختلف تعریف می شود و این روش یکی از روش های رایج ترکیب نتایج طبقه بندی کننده های مختلف می باشد البته خروجی این روش وابسته به دقت طبقه بندی کننده های اولیه می باشد
در این تحقیق، یک روش طبقه بندی کننده تصاویر پلاریمتری SAR بر پایهی تلفیق طبقه بندی کننده های چندگانه ارائه می شود. هدف این مقاله بهبود دقت طبقه بندی تصاویر پلاریمتری SAR با استفاده از ترکیب روش های طبقه بندی کننده چندگانه با روش قطعه بندی می باشد.
.2 مواد و روش ها
منطقه مورد مطالعه این تحقیق بخشی از یک تصویر پلاریمتری چهارگانه SAR استفاده می باشد. این تصویر با ابعاد پیکسلی 1000*1200 ، مربوط به شهر سانفرانسیسکو می باشد که توسط سنجنده RadarSAT2 و در باند - سانتی متر c - 5.55 باقدرت تفکیک 10 5 متر در آوریل سال 2008 گرفته شده است. این تصویر هم پوشش طبیعی - جنگل، دریا - و هم پوشش مصنوعی - مناطق مسکونی، پل - را شامل می شود. در تحقیق حاضر، سه کلاس آب، فضای سبز و مناطق مسکونی به منظور طبقه بندی انتخاب می شوند. شکل چهار تصویر - R - SHH-SVV - , G - SHV+SVH - , B - SHH+SVV - - Pauli منطقه را نشان می دهد.
پیاده سازی این تحقیق شامل سه مرحله :
یک: طبقه بندی پیکسل مبنای تصویر پردازش شده با استفاده از روش های مختلف و ترکیب نتایج با استفاده از روش رای گیری نرم.
دو: قطعه بندی تصویر پردازش شده.
سه: طبقه بندی پلاریمتریBمکانی و ایجاد نقشه طبقه بندی شده با استفاده از نتایج دو مرحله قبلی، می باشد.
