آمایش فضا و ژئوماتیک، جلد ۱۰، شماره ۲، صفحات ۱-۳۱
عنوان فارسی استفاده از اطلاعات تراکم حاشیه در طبقه بندی مناطق شهری- روستایی باداده های سنجش از دور
چکیده فارسی مقاله نحوه عمل در اکثر الگوریتم های طبقه بندی متداول در سنجش از دور بر اساس ویژگیها و اطلاعات طیفی پیکسلها می باشد. این مسئله ضمن نادیده گرفتن مقدار زیادی از اطلاعات فضایی موجود در تصویر با افزایش قدرت تفکیک فضایی در ماهواره ها، باعث افزایش اطلاعات غیر مفید (نویز) و افزایش تشابه طیفی بین طبقات و در نتیجه افزایش واریانس داخلی می شود که در نهایت منجر به اثرات منفی بر روی دقت طبقه بندی می گردد. به منظور رفع یا کاهش این مشکلات، استفاده توأم از اطلاعات طیفی و محیطی می تواند به تفکیک کاربریهایی که از لحاظ طیفی مشابه هستند کمک موثری نماید. در این تحقیق مزایای حاصل از ترکیب اطلاعات تراکم حاشیه استخراج شده از طبقه بندی مبتنی بر ویژگیهای طیفی عناصر تصویر با روشهای طبقه بندی حداکثر احتمال، حداقل فاصله از میانگین و ماهالانوبیز مورد بررسی قرار گرفته است. این روش برای داده هایی با توان تفکیک مکانی بالا که حاوی اطلاعات جزیی زیادتری می باشند و همچنین مناطقی با پدیده های متفاوت و دارای تراکم های حاشیه مختلف می تواند مناسب تر باشد. کارایی استفاده از اطلاات تراکم حاشیه در بهبود دقت طبقه بندی با داده های چند طیفی ماهواره اسپات (SPOT) و عکس هوایی مربوط به بخشی از منطقه حاشیه تالاب انزلی در استان گیلان که دارای پدیده های متنوع و کاربریهای مختلف می باشد، مورد ارزیابی قرار گرفته است. نتایج حاصل نشان دهنده افزایش دقت کلاسهای اطلاعاتی بویژه با تفکیک پذیری طیفی ضعیف می باشد. روش طبقه بندی ماهالانوبیز در کلاسهای اطلاعاتی مراکز شهری- روستایی (60/74 درصد) و رودخانه و کانال (87/66 درصد) به ترتیب با 06/14 و 57/6 درصد افزایش در داده های ماهواره‌ای و کلاسهای مجتمع درختی و باغات (37/74 درصد)، رودخانه اصلی (44/59 درصد)، کشاورزی (38/46 درصد) و مناطق مسکونی (09/68 درصد) به ترتیب 78/11، 61/36، 09/28 و 29/53 درصد نسبت به طبقه بندی مبتنی بر اطلاعات طیفی پیکسلها در داده‌های عکس هوایی افزایش دقت نشان می دهند.
کلیدواژه‌های فارسی مقاله تفکیک مکانی،طبقه بندی مناطق شهری- روستایی،تصاویر ماهواره‌ای،کلمات کلیدی، اطلاعات تراکم حاشیه
عنوان انگلیسی Using Edge Density Information in Classification of Rural-Urban Region from Remotely-Sensed Data
چکیده انگلیسی مقاله Operation manner in most of the conventional classification algorithms in remote sensing is based on pixels spectral information.Classification of these data ignore information obtained from adjacent pixels. In additional to with increasing of spatial resolution in satellites , increase harmful information( noise) and spectral similarity between classes , consequently increase internal variance of classes and finally decrease classification accuracy. To remove or decrease this problems , the proper incorporation and use of spectral and contextual information can efficiently help distinguish land-uses which are similar spectrally. In this study, effectiveness of incorporating structural information with classification procedures have been investigated. The technique is based on the use of edge-density information generated from the classified data. “ Maximum Likelihood ”(ML) , “ Minimum Distance to Means ”(MD) and “ Mahalanobis ” classification procedures have been used to classify data together with the edge-density information as an additional band. The performance of using edge-density data has been evaluated using the data of SPOT-XS and aerial photographs of the Anzali Wetlands ( Anzali Talab ) located in Gilan province north of Iran. This region is very heterogeneous. Results show that use of the structural information leads to increases in accuracy of some classes particularly those with low spectral separabilities. Mahalanobis classifier using spatial and spectral information in rural-urban ( 74.60) and river and channel ( 66.87) classes show 14.06 and 6.57 percent increases respectively in accuracies as compared to the spectral classification of satellite data. Application of this approach also in aerial photographs for patches of trees , river , agricultural and residential classes show 11.78 , 36.61 , 28.09 and 53.29 percent increases in accuracies respectively. Result show that considering the complex environmental conditions of the study site, the proper incorporation and use of spectral and spatial information can result in more efficient discrimination of some spectrally similar classes. The information of edge-density seems to be more promising in high resolution imagery and heterogeneous classes such as urban features.
کلیدواژه‌های انگلیسی مقاله SPOT,SPOT,Spectral Resolution,Classification of Rural- Urban region,Satellite Images,Key Words , Edge- Density Information
نویسندگان مقاله زهرا صمدی | Zahra samadi
Ph.D. Student of Climatology and M.Sc. in Remore sensing , Tehran University , zsamadi@ut.ac.ir
دانشجوی دکترای اقلیم شناسی و کارشناس ارشد سنجش از دور و GIS ، دانشگاه تهران

عباس علیمحمدی | Abbas Alimohammadi
Assistant Professor of Remote Sensing and GIS , Department of GIS , Faculty of Geomatic Engineering , Khage nasir University, alimoh-abb@ yahoo.com
استادیار گروه GIS دانشکده مهندسی ژئوماتیک ، دانشگاه صنعتی خواجه نصیر

نشانی اینترنتی http://journals.modares.ac.ir/browse.php?a_code=A-10-1000-2997&slc_lang=fa&sid=21
فایل مقاله دریافت فایل مقاله
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات