اصول و مفاهیم پایه سنجش از دور (بخش پنجم)

طبقه بندی تصاویر ماهواره ای (Image Classification) :

تصاویر حاصل از فناوری سنجش از دور تامین کننده داده های کارآمدی است که برای استخراج اطلاعات مورد نظر از آنها نیاز به پردازشهایی بر روی تصویر است.
طبقه بندی تصویر، یکی از مولفه های اصلی فرآیند استخراج اطلاعات موضوعی است که از طریق بررسی رابطه بین اثر طیفی و کلاسها یا طبقات مختلف حاصل میشود.(ommen, 2008 ). یکی از روش های رقومی پر کاربرد استخراج اطلاعات از تصاویر ماهواره ای طبقه بندی می باشد. منظور از طبقه بندی اطلاعات ماهواره ای ، تفکیک مجموعه های طیفی مشابه و تقسیم بندی تصاویر به گروه ها یا طبقاتی است که در هر طبقه، طیف ها با یک ارزش واحد قرار می گیرند.(زبیری ، ۱۳۸۵).اساس کار طبقه بندی اطلاعات، بر مقایسه ارزش طیفی پیکسل های تصویر با نمونه هایی است که مفسر آن ها را معرفی کرده یا با کلاس ها یا با طبقات اولیه ای است که به طور خودکار هنگام تفسیر رقومی، تشکیل می شوند. به این ترتیب ، پیکسل هایی که ارزش طیفی آن ها از نظر آماری، اختلاف معنی داری ندارند، در یک گروه یا طبقه طیفی قرار می گیرند. در حقیقت فرآیند طبقه بندی تصویر، تبدیل داده ها به اطلاعات قابل درک است  .(Mountrakis et al., 2011) در گذشته، طبقه بندی تصاویر بر مبنای تفسیر بصری کاربر بود که اغلب باعث به وجود آمدن خطاهای سیستماتیک میگردید که این امر ناشی از تجربه و توانایی مفسر در تفسیر تصاویر بود.( Lillesand) طبقه بندی رقومی تصاویر کمک می کند تا فرآیند طبقه بندی تصویر به واقعیت نزدیکتر باشد (ommen, 2008 ) .  اساس طبقه بندی رقومی تصاویر سنجش از دور بر این مبنا است که اثر طیفی مربوط به هر عارضه پوشش دهنده تصویر، منحصر به فرد  است (ommen, 2008 ). به طور کلی برای طبقه بندی اطلاعات ماهواره ای از دو روش اصلی استفاده می شود که عبارتند از طبقه بندی با نظارت (Supervised Classification) و طبقه بندی بدون نظارت (Unsupervised Classification). طبقه بندی رقومی تصاویر با استفاده از هر دو روش طبقه بندی نظارت شده و نظارت نشده صورت می گیرد که هر دو روش از مکانیسم تصمیم گیری َ کمی و اتوماتیک بهره می گیرند.

طبقه بندی بدون نظارت :

در طبقه بندی نظارت نشده، بطور اتوماتیک و بر اساس اختلاف اثر طیفی و محاسبات آماری، هر پیکسل به کلاس خاصی تعلق می گیرد. ضعف این روش در این است که در صورتی که عارضه مورد نظر دارای اختلاف اثر طیفی کمی نسبت به سایر عوارض باشد، تفکیک آن با این روش و بطور اتوماتیک بسیار دشوار می گردد(Hord, 1982).در روش نظارت نشده با توجه به مفاهیم ریاضی طبقه بندی تصویر براساس تجزیه و تحلیل خوشه ای به صورت خودکار انجام می پذیرد. در این نوع طبقه بندی کاربر می تواند در حد معرفی تعداد کلاس ها و نیز تعداد دفعات تعداد الگوریتم برای کلاس بندی، در انجام عملیات دخالت داشته باشد. از مقایسه طبقات طیفی تفکیک شده با مدارک و نقشه های مشابه ، طبقات مورد نظر شناسایی می شوند و حتی در برخی از موارد که مدارکی برای شناسایی چنین مناطقی در اختیار نیست ، با بازدیدهای میدانی شناسایی پدیده انجام می شود.

 طبقه بندی با نظارت :

در طبقه بندی نظارت شده، کاربر با توجه به شناخت و آگاهی از عوارض و پدیده های زمینی مناطقی را به عنوان نواحی آموزشی (Training Areas) مشخص می سازد ، پس از آن برنامه ی رایانه ای با تجزیه و تحلیل آماری ارزش ها و پیکسل های موجود در هر کلاس وبا توجه به الگوریتم مشخص شده ، تک تک پیکسل های موجود در تصاویر را با اطلاعات آماری همه کلاس ها مقایسه کرده وبرای هریک در تصویر خروجی مقداری را بر می گزیند. و هر پیکسل را در نهایت به یکی از نمونه های معرفی شده نسبت می دهد . به جز تعداد اندکی که در هیچ طبقه ای جا نمی گیرند. مهم ترین الگوریتم هایی که در روش نظارت شده مورد استفاده قرار می گیرند عبارتند از نزدیک ترین فاصله از میانگین، شبکه های موازی ، استفاده از حداکثر احتمال و نگاشت زاویه طیفی  (رضایی، ۱۳۸۸).

ادامه دارد……

 

شما ممکن است این را هم بپسندید