>
Fa   |   Ar   |   En
   تلفیق روش‌های فاصله و شباهت مبنا به‌منظور آشکارسازی تغییرات کاربری اراضی در تصاویر فراطیفی  
   
نویسنده سیدی تیمور ,حسنلو مهدی
منبع علوم و فنون نقشه برداري - 1396 - دوره : 7 - شماره : 2 - صفحه:111 -126
چکیده    سنجش ازدور به دلیل پوشش وسیع، توان جداسازی بالا و هزینه کم در اخذ داده از زمین، به عنوان ابزاری کارآمد، نقش مهمی را در حوزه ی پژوهش هایِ علوم زمین و پایشِ محیط زیست داشته است. یکی از مهم ترین کاربردهای سنجش ازدور آشکارسازی تغییرات است؛ تشخیص به هنگام و دقیق این تغییرات، در مقیاس محلی و جهانی، برای مدیریتِ بهینه ی استفاده از منابع، اهمیت زیادی دارد. این مقاله روشی نوین و بدون نظارت آشکارسازی تغییرات، کاربری اراضی با استفاده از تصاویر چند زمانه ی فراطیفی را عرضه می کند. این روش به صورت سلسله مراتبی و مبتنی بر استفاده از الگوریتم های شباهت مبنا، فاصله مبنا و اتسو است. روش پیشنهادی در دو مرحله ارائه می شود: مرحله ی اول آن به عنوان آشکارساز و مرحله ی دوم، به عنوان فاز تصمیم گیری است. در مرحله اول، ابتدا داده ی تصحیح شده توسط الگوریتم های فاصله ی مبنا و شباهت مبنا، وارد فضای محاسباتی نوینی به نام فضای شباهت می شود. در این فضا نواحی تغییریافته، بارزتر از نواحی بدون تغییر خواهد بود. در ادامه، داده وارد مرحله دوم می شود. هدف از اجرای مرحله دوم تصمیم گیری در مورد ماهیت پیکسل در فضای دودویی است که نواحی تغییریافته دارای مقدار یک و نواحی بدون تغییر، دارای مقدار صفر است. مهم ترین مزیت روش پیشنهادی، نسبت به دیگر روش ها: خودکار بودن؛ نداشتن پیچیدگی در روش پیشنهادی؛ حجم پایین محاسبات و دقت بالای آن است. برای ارزیابی کارایی و دقت روش پیشنهادی، از دو مجموعه داده ی چند زمانه ی فراطیفی سنجنده ی هایپریون، مربوط به مزارع کشاورزی اطراف شهر جیانگسو واقع در چین و مزارع کشاورزی هرمیستن واقع در آمریکا استفاده شده است. ارزیابی خروجی های به دست آمده نشان دهنده، دقت کلی بالا و نرخ کم هشدارهای روش پیشنهادی، در مقایسه با روش های رایج آشکارسازیِ تغییرات، است، به طوری که دقت کلی برای داده چین، 98.48 درصد ضریب کاپا، 0.965 و میزان نرخ هشدار های اشتباه آن، 1.51 درصد و همچنین برای داده آمریکا، 95.12 درصد ضریب کاپا، 0.870و میزان نرخ هشدار های اشتباه آن، 4.8 درصد است.
کلیدواژه آشکارسازی تغییرات کاربری، تصاویر ابرطیفی، الگوریتم شباهت مبنا، الگوریتم فاصله مبنا، الگوریتم اتسو
آدرس دانشگاه تهران، پردیس دانشکده های فنی, دانشکده مهندسی نقشه برداری و اطلاعات مکانی, ایران, دانشگاه تهران، پردیس دانشکده های فنی, دانشکده مهندسی نقشه برداری و اطلاعات مکانی, ایران
پست الکترونیکی hasanlou@ut.ac.ir
 
   Fusion of Similarity and Distance based Methods for Landcover Change Detection using Hyperpsectral Imagey  
   
Authors Seydi S. T. ,Hasanlou M.
  
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved