تهیه نقشه در سطح زیرپیکسل براساس مدل جذب مکانی- طیفی و روش نوین برچسب‌گذاری

پیکسل های مخلوط، دقت کلی نقشه های پوششی تهیه شده از تصاویر سنجش از دور با قدرت تفکیک مکانی مختلف را تحت تاثیر قرار می دهند. یکی از الگوریتم هایی که در سال های اخیر به منظور حل مشکل پیکسل های مخلوط ارائه شده است تکنیک تهیه نقشه در سطح زیرپیکسل نرم- سپس- سخت موسوم به sthsrm  (softthenhard super resolution mapping)است. در این تکنیک ابتدا با توجه به ضریب بزرگنمایی، هر یک از پیکسل های تصویر اولیه به تعدادی زیرپیکسل تقسیم، و برای هر یک از آن ها مقدار شاخصی تخمین زده می شود؛ سپس با مقایسه این مقادیر، برچسب زیرپیکسل ها مشخص می گردد. مدل جذب مکانی با تخمین میزان جاذبه میان زیرپیکسل ها و پیکسل های همسایه یکی از روش های محاسبه مقدار شاخص زیرپیکسل ها است. تکنیک برچسب گذاری در واحد کلاس (unit of class) نیز از جمله روش های برچسب گذاری زیرپیکسل ها است، که براساس ترتیب کلاسی تعریف شده به مقایسه مقادیر شاخص زیرپیکسل ها در هر یک از کلاس های حاضر در سطح پیکسل مخلوط و برچسب گذاری آنها می پردازد. تحقیق حاضر، با توسعه مدل جذب مکانی و تعریف مدل جذب مکانیطیفی و همچنین ارائه روش برچسب گذاری نوین مبتنی بر تکنیک (unit of class) uoc، به تعیین بهترین حالت ممکن آرایش مکانی زیرپیکسل ها پرداخته است. روش برچسب گذاری پیشنهادی با تعریف تابع هزینه و محاسبه هزینه متناظر با آرایش مکانی زیرپیکسل ها در حالات مختلف ترتیب کلاسی، حالت بهینه جانمایی زیرپیکسل ها را تعیین می کند. پیاده سازی این مدل بر روی دو تصویر worldview3 و rosis03 و مقایسه نتایج آن با روش های پیشین تهیه نقشه در سطح زیرپیکسل نرم- سپس- سخت گویای بهبود دقت نقشه تهیه شده در سطح زیرپیکسل با روش پیشنهادی به ویژه در عوارض خطی و مرز کلاس ها است. مقدار بهبود شاخص کاپا اصلاح شده الگوریتم پیشنهادی نسبت به مدل جذب مکانی همراه با روش برچسب گذاری در واحد کلاس تطبیقی (auoc) در ضریب بزرگنمایی2، به ترتیب برای تصاویر مذکور 0.053 و 0.032 است. 

super resolution mapping based on spatial-spectral attraction model and the new class allocation approach

the mixed pixels influence the overall accuracy of land cover maps produced by using the remote sensing images with different spatial resolutions. in recent years, softthenhard super resolution mapping (sthsrm) has been proposed to solve the problem of mixed pixels. this method estimates soft attribute values for land cover classes at the subpixel scale level and then allocates classes for subpixels according to the soft attribute values. subpixel/pixel spatial attraction model (spsam) calculates soft attribute values for each class at fine pixels by spatial attraction between subpixels and their neighboring pixels. uoc (units of class) allocates classes to subpixels in units of class. first, a visiting order for all classes is predetermined. then, according to the visiting order, the subpixels belonging to the being visited class are determined by comparing the soft attribute values of this class. the remaining subpixels are used for the allocation of the next class. this paper proposed a new spatialspectral attraction model to estimate the soft attribute value for each class at each subpixel. also it presents a novel class allocation approach based on uoc technique for sthsrm algorithm. the proposed class allocation approach produces the optimal location of subpixels by defining the cost function and calculating the corresponding cost of spatial arrangement of subpixels in different visiting order of classes. the technique is applied to worldview3 and rosis03 images. a comparison between the results obtained through the proposed approach and an existing superresolution mapping technique is introduced. the results show that the proposed algorithm is able to produce higher srm accuracy than the other approaches especially in linear feature and class boundaries. the improvement value of the adjusted kappa coefficient of the proposed algorithm related to the spatial attraction model with the auoc class allocation technique in the scale factor 2, is 0.053 and 0.032, respectively.