ارزيابي عملكرد تبديل‌ آناليز مؤلفه ‌هاي اصلي، مستقل و كسر حداقل نويز در بهبود صحت استخراج اطلاعات از داده ‌هاي ماهوارۀ سنتينل2

پيشينه و هدف استفاده از انواع تبديلات جهت بهبود صحت استخراج اطلاعات از تصاوير ماهواره‌ اي به‌ طور فزاينده ‌اي رو به افزايش است. در اين ‌بين انتخاب تبديل بهينه اهميت بالايي داشته و نتايج خروجي را تحت تأثير قرار خواهد داد. با توجه به ماهيت همبسته تصاوير سنجش ‌از دور، استفاده از انواع تبديلات جهت بهبود صحت استخراج اطلاعات از اين تصاوير امري ضروري است. با توجه به مطالعات انجام ‌شده هدف اين تحقيق بررسي روش هاي مختلف تبديلات تصوير در بهبود روند طبقه بندي تصاوير ماهواره اي و افزايش ميزان صحت نقشه هاي كاربري اراضي است. با در نظر گرفتن اين نكته كه منطقه مورد مطالعه و به‌صورت كلي مناطق شمالي كشور با شرايط خاص درهم تنيدگي كاربري ها روبه رو هستند، لذا به كارگيري انواع روش هاي تبديلات و همچنين روش تركيبي پيشنهادي در اين پژوهش باعث افزايش صحت و دقت اطلاعات خروجي و در نهايت امكان تفكيك و بررسي هاي دقيق تر كاربري ها و شناسايي عوامل تغيير آن ها را جهت برنامه ريزي هاي آينده فراهم مي كند. در اين پژوهش به ‌منظور ارزيابي عملكرد تبديلات‌ آناليز مؤلفه‌ هاي اصلي، آناليز مؤلفه ‌هاي مستقل و كسر حداقل نويز از تصوير ماهواره سنتينل2 شهرستان رضوانشهر استفاده گرديد. مواد و روش هادر اين پژوهش به ‌منظور ارزيابي عملكرد روش هاي آناليز مؤلفه‌ هاي اصلي، آناليز مؤلفه ‌هاي مستقل و روش كسر حداقل نويز از تصاوير ماهواره سنتينل2 شهرستان رضوانشهر استفاده گرديد. از الگوريتم گرام اشميت (GramSchmit) به‌منظور ادغام اين داده‌ ها با يكديگر و رسيدن به قدرت تفكيك 10 متر استفاده شد. بعد از اعمال پيش‌ پردازش ‌هاي لازم و ادغام تصاوير با يكديگر هر سه تبديل روي تصوير اعمال و همچنين تركيبي از مؤلفه ‌هاي اين سه روش توليد گرديد. در ادامه نتايج حاصل از تبديلات با استفاده از الگوريتم حداكثر احتمال در 8 كلاس كاربري طبقه ‌بندي گرديد. با استفاده از ضريب شفيلد و محاسبات آماري بين مؤلفه ‌هاي به‌ دست‌ آمده، تركيب مؤلفه‌ هاي اول آناليز مؤلفه ‌هاي اصلي، اول كسر حداقل نويز و مؤلفه دوم آناليز مؤلفه‌هاي مستقل، به‌عنوان تركيب بهينه انتخاب گرديد. شناخت كلي از منطقه و مطابق آن تفسير بصري خروجي ها و همچنين برداشت 120 نقطۀ زميني توسط GPS مبناي ارزيابي صحت نقشه ‌هاي خروجي بوده است. نتايج و بحث بعد از اعمال پيش ‌پردازش ‌هاي مورد نياز و ادغام تصاوير با يكديگر، هركدام از اين الگوريتم ها بر روي تصوير اعمال گرديد و خروجي هر كدام با استفاده از الگوريتم حداكثر احتمال و در 8 كلاس كاربري طبقه ‌بندي گرديدند. نتايج نقشه هاي خروجي نشان داد كه تبديل آناليز مؤلفه ‌هاي اصلي با توجه به اينكه براي متغيرها توزيع گوسي در نظر مي‌گيرد و سعي بر غير همبسته كردن مؤلفه ‌هاي استخراج ‌شده دارد، در نمونه ‌هايي با توزيع غير گوسي داراي ضعف بوده و عملكرد پاييني از خود نشان مي‌ دهد. الگوريتم كسر حداقل نويز مشابه الگوريتم آناليز مؤلفه ‌هاي اصلي عمل مي كند با اين تفاوت كه نويزها را بهتر مؤلفه بندي مي كند. اين الگوريتم در جداسازي كلاس ها خطاي كمتري داشته و همين عامل باعث عملكرد بهتر و دقت بالاتر نسبت به دو تبديل ديگر شده است. در الگوريتم آناليز مؤلفه ‌هاي مستقل باندهاي همبسته تصوير منطقه مورد مطالعه به مؤلفه‌هاي مستقل تبديل‌شده و اطلاعات جديدي از منطقه استخراج كرده است. تفسير بصري دقت بالاي نتيجه طبقه بندي را نشان مي دهد و براي كمي كردن دقت تصوير طبقه ‌بندي ‌شده از ماتريس خطا (كانفيوژن) استفاده ‌شده است. نتايج حاصل از ارزيابي دقت كلي و ضريب كاپا نشان داد كه طبقه‌ بندي تصوير اصلي بدون اعمال تبديلات و با همان نمونه‌ هاي تعليمي خروجي با دقت كلي 76 درصد و ضريب كاپاي 0.78 بيشترين خطا را داشته است. همچنين نتايج ساير خروجي ها به ترتيب براي طبقه بندي حاصل از تبديل‌ آناليز مؤلفه ‌هاي اصلي، دقت كلي 80 درصد و ضريب كاپا 0.83، براي طبقه بندي حاصل از تبديل‌ كسر حداقل نويز، دقت كلي 85 درصد و ضريب كاپا 0.88 و براي طبقه بندي حاصل از تبديل‌ آناليز مؤلفه‌هاي مستقل، دقت كلي برابر با 77 درصد و ضريب كاپا معادل 0.80 به دست آمد. بعد از انتخاب تركيب بهينه از مؤلفه‌ هاي روش هاي آناليز مؤلفه‌ هاي اصلي، آناليز مؤلفه‌ هاي مستقل و روش كسر حداقل نويز و انتخاب مؤلفه ‌هاي اول الگوريتم هاي آناليز مؤلفه‌ هاي اصلي و كسر حداقل نويز و مؤلفه دوم آناليز مؤلفه ‌هاي مستقل، دقت كلي به 92 درصد و ضريب كاپا 0.94 افزايش‌يافت. نتيجه گيري در اين تحقيق بعد از ارزيابي عملكرد تبديل‌ آناليز مؤلفه ‌هاي اصلي، آناليز مؤلفه‌ هاي مستقل و روش كسر حداقل نويز، يك روش تركيب بهينه از مؤلفه ‌هاي اين تبديلات پيشنهاد گرديد. نتايج تحقيق نشان داد طبقه ‌بندي تصوير اصلي بدون اعمال تبديلات و با همان نمونه ‌هاي تعليمي دقت كلي و ضريب كاپاي پاييني داشته است. بنابراين لزوم اعمال تبديلات جهت كاهش همبستگي باندها و مجزا سازي اجزاي تصاوير احساس مي‌ شود. همان‌ طور كه نتايج تحقيق نشان داد طبقه ‌بندي تصوير اصلي بدون اعمال تبديلات و با همان نمونه‌ هاي تعليمي دقت كلي و ضريب كاپاي پاييني داشته است. نتايج تحقيق بيانگر عملكرد نزديك اين روش ها به يكديگر است كه نشان از وجود هر دو نوع توزيع گوسي و غير گوسي متغيرها دارد. تبديل كسر حداقل نويز، ميزان نويز داده‌ها را به حداقل رسانده و در خروجي نتايج بهتري از دو تبديل آناليز مؤلفه‌ هاي مستقل و آناليز مؤلفه‌ هاي اصلي داشته است. با توجه به اينكه اين تبديلات به ‌تنهايي قادر به استخراج تمامي اجزاي تصوير نيستند، لذا تركيبي از مؤلفه ‌هاي اين تبديلات بر اساس ضريب شفيلد جهت مفروض بودن توزيع گوسي و غير گوسي متغيرها با حداقل نويز ممكن انتخاب گرديد.