شناسايي نظارت‌نشده تغييرات مناطق جنگلي مبتني‌بر تلفيق شاخص‌هاي تغييرات به روش موجك گسسته غير كاهشي و بهبود ميدان تصادفي زنجيره ماركوف

پايش و شناسايي تغييرات يكي از مهم‌ترين پردازش‌ها در فتوگرامتري و سنجش‌ازدور به‌شمار مي‌آيد كه در آن تغييرات رخ‌داده در يك منطقه‌ي جغرافيايي در اثر گذر زمان مورد مطالعه و بررسي قرار مي‌گيرد. جنگل‌ها از سرمايه‌هاي ملي هر كشوري محسوب مي‌شوند كه نقش مهمي در تعديل آب و هوا، شكل‌گيري آب‌هاي زيرزميني و جلوگيري از وقوع سيل و فرسايش خاك دارند. بنابراين شناسايي هرچه دقيق‌تر تغييرات در مناطق جنگلي، مي‌تواند نقشي مهم و انكارناپذير در راستاي حفظ و مديريت اين مناطق ايفا كند. در اين تحقيق يك روش نظارت‌نشده‌ي دقيق براي شناسايي تغييرات در مناطق جنگلي ارائه شده‌است. مناطق مورد مطالعه در اين تحقيق، جنگل‌هاي كشورهاي آمريكا و استراليا است كه در اثر آتش‌سوزي تخريب شده‌اند. در روش ارائه‌شده، ابتدا شاخص تغييرات نهايي از طريق تلفيق شاخص‌هاي تغييرات NDVI (DN) و GNDVI (DG) با روش تبديل موجك گسسته ايجاد شد. سپس براي كاهش تغييرات نويزي از فيلتر پخش‌كننده استفاده شد. براي خوشه‌بندي اوليه شاخص تلفيقي از روش خوشه‌بندي kmeans بهبوديافته و براي در نظرگرفتن اطلاعات همسايگي در روند خوشه‌بندي، از ميدان تصادفي ماركوف (MRF) پس از اعمال دو مرحله بهبود در ساختار تابع انرژي آن استفاده شد. مقايسه‌ي روش پيشنهادي در دو حالت استفاده از مدل MRF مرسوم و نوع بهبوديافته آن، برتري مدل MRF بهبوديافته را به اندازه‌ي 0.49% و 0.61%، به‌ترتيب در مجموعه‌داده‌ي اول و دوم نشان داد. همچنين روش پيشنهادي در مقايسه با روش‌هاي Otsu، PCAkmeans، GAFCM و GMMMRF داري عملكرد بهتري بود، بطوريكه ميزان خطاي كل را در آن ها به طور ميانگين به اندازه 0.93% و 5.31%، به ترتيب در مجموعه‌داده اول و دوم كاهش داد. براساس نتايج بدست‌آمده مي‌توان گفت، روش ارائه‌شده در اين تحقيق پتانسيل بالايي براي شناسايي نظارت‌نشده‌ي تغييرات در مناطق جنگلي دارد.