طبقه‌بندي تصاوير چندطيفي با قدرت تفكيك مكاني متوسط، با استفاده از شاخص‌هاي مكاني و حرارتي

در طبقه‌بندي تصاوير با قدرت تفكيك مكاني متوسط، مانند لندست، تمايز اراضي كشاورزي بدون پوشش گياهي از زمين‌هاي باير و همچنين، شناسايي زمين‌هاي باير از مناطق ساخته‌شده معمولاً دشوار و همراه با خطاست. به همين علت در اين مطالعه، تركيب‌هاي متفاوتي از ويژگي‌هاي ورودي، به‌روش‌هاي طبقه‌بندي، به‌منظور بررسي امكان ارتقاي دقت طبقه‌بندي مقايسه شد. داده‌هاي ورودي شامل باندهاي طيفي تصوير لندست7، ويژگي‌هاي بافتي شامل ماتريس وقوع هم‌زمان گام‌هاي خاكستري و شاخص‌هاي حرارتي و مكاني پيشنهادي در اين تحقيق است. در بررسي حاضر، به‌منظور طبقه‌بندي سناريوهاي متفاوت، از سه روش طبقه‌بندي شامل بيشترين ميزان شباهت، شبكه عصبي و ماشين بردار پشتيبان با هسته‌هاي متفاوت استفاده شد. نتايج نشان داد كه ادغام تمامي داده‌هاي ورودي و استفاده از روش ماشين بردار پشتيبان با هسته پايه شعاعي، با صحت كلي 98/81 % و ضريب كاپا 98/25 %، ممكن است نتايجي بهتر از ديگر روش‌ها و سناريوها داشته باشد. همچنين، در تحليل اهميت متغيرهاي ورودي، با استفاده از روش انتخاب ويژگي برپايه جنگل تصادفي، مشخص شد كه شاخص‌هاي پيشنهادي در اين مطالعه نقش مهمي در طبقه‌بندي با صحت بالا و كارآمد داشته‌اند.