طبقه بندی تصاویر در سنجش از دور – بخش دوم

روش نظارت شده

در طبقه بندی با نظارت نوع و مکان برخی از انواع پوشش های زمین مثل منطقه شهری ، کشاورزی و مرداب از قبل شناخته شده هستند.این شناخت از ترکیبی از کار میدانی ، تفسیر عکس های هوایی ، تجزیه و تحلیل نقشه ها و تجزیه شخصی قابل حصول است.کاربر لازم است مکان های مخصوصی را در داده های سنجش از دور که نماینده مناطق یکدستی از این پوشش های زمین شناخته شده هستند ، را معین می کند.این مکان ها را به دلیل خصوصیات طیفی آنها در آموزش الگوریتم طبقه بندی برای تهیه نقشه نهایی ، معمولا مناطق آموزشی می نامند. ابتدا پارامار های آماری یک متغیره و چند متغیره مثل میانگین ، انحراف معیار ، ماتریس های کووریانس ،ماتریس های همبستگی و … برای هر منطقه آموزشی محاسبه می گردند.سپس هر پیکسل )چه در داخل و چه در خارج منطقه آموزشی( مورد ارزیابی قرار گرفته و به کلاسی داده می شودکه آن بیشترین احتمال برای عضویت در آن کلاس باشد.

انتخاب مناطق آموزشی و استخراج آمار آنها:

داده های مناطق آموزشی را می توان با روش های زیر بدست آورد:

  • جمع آوری اطلاعات میدانی از نوع پوشش زمین به همراه ثبت طول و عرض جغرافیایی
  • انتخاب داده های آموزشی از طریق رسم پلیگون بر روی تصویر در مانیتور
  • گسترش داده ها ی آموزشی بر روی تصویر در مانیتور

هر پیکسل در منطقه آموزشی به یک کلاس بخصوص C تعلق دارد.این پیکسل را می توان با یک بردار اندازه گیری (measurement vector) به نام Xc نشان داد.

138 thumb طبقه بندی تصاویر در سنجش از دور   بخش دوم

که در آن BVi,jk عبارت است از مقدار پیکسل i,j ام در باند k از بردار اندازه گیری خام می توان ماتریس کووریانس برای کلاس c ایجاد کرد.

140 thumb طبقه بندی تصاویر در سنجش از دور   بخش دوم

که در ان COVckl عبارت است از کوریانس کلاسی c بین باند های k و l که ماتریسی کوریانسی برای کلاسی c با Vc نشان داده می شود.

برای جدا کردن مناطق آموزشی می توان از الگوریتم ها استفاده کرد.عمده الگوریتم هایی که برای طبقه بندی وجود دارند از برخی پارامترهای آماری مثل میانگین استفاده می کنند و بر اساس اینکه الگوریتم های ما چه باشند روش های طبقه بندی با نظارت به دسته های زیر تقسیم می گردند:

۱- الگوریتم های طبقه بندی متوازی السطوح: الگوریتم های طبقه بندی متوازی السطوح یکی از پر کاربرد ترین روش های طبقه بندی تصاویر رقومی است. این روش بر اساس قاعده تصمیم گیری و با استفاده از منطق بولین “و/یا” (Boolean logic and Or) است. داده های آموزشی در n باند طیفی برای انجام طبقه بندی مورد استفاده قرار می گیرند .

2- الگوریتم های طبقه بندی حداقل فاصله نسبت به میانگین: این الگوریتم ، یکی از متداول ترین و در عین حال ساده ترین روش های طبقه بندی تصاویر رقومی است. اگر این روش بدرستی اجرا گردد می تواند نتایج طبقه بندی دقیقی که قابل مقایسه با سایر روش های طبقه بندی پیچیده است ، تولید نماید.

3- الگوریتم طبقه بندی حد اکثر احتمال : روش هایطبقه بندی که تا اینجا بحث شده اند بر اساس تعیین مرز های تصمیم گیری در فضای عارضه )باند( و بر اساس distance طیفی کلاس آموزشی هستند.قاعده تصمیم گیری طبقه بندی حد اکثر احتمال مبتنی بر احتمال می باشد.این روش ، هر پیکسل دارای الگوی اندازه گیری X را به کلاس i نسبت می دهد.در صورتی که آن بردار X دارای بیشترین احتمال شباهت به آن کلاس باشد.

 

نویسنده: محمد محزون- عبدالحسین حاجی زاده، مسعود آقایی، امید محمدی

مطالب مرتبط

نظر بدهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *