کارایی الگوریتم‌های خوشه‌بندی فازی در بازشناسی خودکار الگو‌های مورفولوژیک (مطالعه موردی: رودخانه علاء)

هدف این پژوهش ناحیه‌بندی فازی با استفاده از تصاویر ماهواره‌ای geoeye-1 و الگوریتم‌های خوشه‌بندی و ادغام پیشنهادی است و کارایی این تکنیک‌ها در آشکارسازی عوارض و پدیده‌های سطح زمین و بازشناسی خودکار الگو‌های مورفولوژیک در رودخانه علاء بررسی می‌گردد. در این رابطه پس از پیش‌پردازش‌های رادیومتریک و هندسی، بر اساس ویژگی‌های فازی به ادغام تصاویر ورودی در نرم‌افزار matlab پرداخته و سپس با استفاده از الگوریتم‌های (fcm)، (pcm)، (gk) و (fsc) به ناحیه‌بندی مقاوم پوشش زمینی اقدام گردید. در این روش‌ها خوشه‌بندی فازی چندین بار و برای تعداد خوشه‌های مختلف (از c_min تا c_max) انجام گرفته و با ارزیابی خروجی خوشه‌بندی و انتخاب بهترین تعداد نواحی (c ̂) تعیین شده است. همچنین در مرحله پردازش جهت رسیدن به تعداد مشخصی خوشه، تصویر خوشه‌بندی می‌شود تا پس از اعمال defuzzification بر روی آن، ناحیه‌بندی فازی صورت گیرد. در نهایت الگوریتم‌های خوشه‌بندی فازی مورد بررسی که دارای پارامترهای فازی هستند، بر روی تصاویرhr-prs ورودی اعمال شده و نتایج آن مورد بحث و بررسی قرار گرفته است. نتایج ناحیه‌بندی فازی و مقایسه روش‌های پیشنهادی در محدوده مطالعاتی نشان می‌دهد که روش interval-valued data fuzzy c-means (fsc) که در آن ابهام موجود در تصاویر hr-prs در ناحیه‌بندی لحاظ شده است، در مجموع دارای بهترین عملکرد جهت یافتن تعداد خوشه‌های بهینه و مراکز خوشه‌ها و آشکارسازی پدیده‌های سطحی می‌باشد. همچنین این الگوریتم قابلیت تفکیک پذیری عوارض را تنظیم و دقت بالاتری را ارائه می‌دهد و مرزهای اصلی را به خوبی تشخیص و مرزهای اضافی را حذف می‌کند. این نتایج همچنین نشان‌دهنده اثربخشی الگوریتم‌های خوشه‌بندی فازی جهت ناحیه‌بندی تصاویر سنجش از دور چند طیفی می‌باشد و کارایی روش‌های ناحیه‌بندی پیشنهادی را از منظر تشخیص عوارض و پدیده‌های مکانی و استخراج دقیق اطلاعات از تصاویر تایید می‌نمایند.

assessing the vulnerability of rural settlements in khonj city with an emphasis on earthquakes

the aim of this study is fuzzy segmentation using geoeye-1 satellite imagery and proposed clustering and fusion algorithms, and the effectiveness of these techniques in anomaly detection, landforms andautomatic formic patterns recognition are examined in the study area. therefore, in this paper, a study of fuzzy zoning techniques of high spatial resolution (hr-prs) images in order to better and more accurately detect geomorphic features in areas with obstacles ofinterpretation and analysis, including cloud and shadow cover can be useful for planning, management and future sustainable development of areas. the study area in this study is located on alaa river in ramhormoz. in this regard, after radiometric and geometric preprocessing, based on fuzzy features, the input images were integrated in matlab software and then using fws, msa, idf and cfm algorithms, segmentation was performed. in these methods,fuzzy clustering is performed several times for different numbers of clusters (from c_min to c_max) and the clustering output is evaluated and the best number of regions (c ̂) is selected. also, in the processingstage, in order to reach a certain number of clusters, the image is clustered so that after defuzzification is applied on it, fuzzy segmentation is performed. finally, the studied fuzzy clustering algorithms with fuzzy parameters are applied to the input hr-prsimages and the results are discussed. the results of fuzzy segmentation and comparison of the proposed methods in the study area show that the interval-valued data fuzzy c-means (idf) method has a betterperformance for fuzzy segmentation than other methods. this algorithm also adjusts the detection capability and provides higher accuracy and detects the main boundaries well and removes the extraboundaries. these results also indicate the effectiveness of fuzzy clustering algorithms for segmentation multispectral remote sensingimages.