استخراج پيكسل‏هاي خالص با استفاده از فضاي ويژگي مبتني‌بر پارامترهاي فيزيكي به‌منظور برآورد پوشش اراضي در سطح زيرپيكسل

Extraction of Pure Pixels Using the Feature Space Based on Physical Parameters in Order to Obtain Sub-pixel Land Cover Information

تخمين دقيق سطح پوشش اراضي نقش بسيار مهمي در برنامه‏ريزي و مديريت بهينه محيط جغرافيايي ايفا مي‌كند. روش‏هاي مختلف طبقه‏بندي تصاوير سنجش از دور به‌منظور استخراج پوشش اراضي توسعه يافته‏اند. به‌دليل ضعف روش‏هاي طبقه‏بندي سخت در پيكسل‏هاي مخلوط، استفاده از روش‏هاي طبقه‏بندي نرم به‌منظور برآورد سهم تعلق كلاس‏هاي مختلف پوشش اراضي در پيكسل‏هاي مخلوط مورد توجه قرار گرفته است. مدل اختلاط طيفي خطي يكي از روش‏هاي رايج در اين حوزه است. دقت اين مدل به‌شدت به كيفيت پيكسل‏هاي خالص معرفي‌شده به آن وابسته است و از سوي ديگر، استخراج اين پيكسل‏ها معمولاً دشوار و چالش‏برانگيز است. در تحقيق حاضر، استفاده از پارامترهاي فيزيكي (درخشندگي، رطوبت و سبزينگي) براي استخراج پيكسل‏هاي خالص پيشنهاد شده است. براي ارزيابي كيفيت پيكسل‏هاي خالص استخراج‌شده از اين روش، از معيارهاي ارزيابي مدل اختلاط طيفي غيرشرطي استفاده شده است. بدين منظور، با پياده‎سازي اين مدل در منطقه مطالعاتي، RMSE كل تصوير 68/2 و تعداد پيكسل‏هاي با سهم تعلق منفي يا بزرگ‌تر از يك، 43/4 درصد برآورد شد. به اين ترتيب، روش پيشنهادي دقت مطلوبي را در نتايج مدل اختلاط طيفي خطي و بدون اعمال هيچ شرطي در اين مدل فراهم كرده است.

Accurate estimate of the land cover is of particular importance in environmental management and planning. Different methods have so far been developed for the classification of satellite imagery. Regarding the weakness of the hard classifiers in the presence of the mixed pixels, soft classification methods have been designed to estimate the fractions of different classes within mixed pixels. Linear spectral mixture model could be considered as the most popular method of soft classification. The accuracy of this model is extremely depended on the quality of the input pure pixels. The extraction of these pixels is often hard and challengeable. In this paper, making use of physical parameters (brightness, wetness, and greenness) is proposed for extraction of pure pixels. The evaluation criteria of unconstrained linear spectral mixture model were used assess the quality of pure pixels extracted from the proposed method. By Implementing of this model on the satellite image of the study area, the total number of under-shoot and over-shoot pixels was determined as 4.43 percent of the total image pixels. Also RMSE equaled to 2.68. Consequently, the proposed method demonstrated promising accuracy in the results of the linear spectral mixture model without considering any constraint.