به‌كارگيري آنتروپي در تشخيص لبه تصاوير سنجش از دور با استفاده از سيستم دانش‌پايه و تعيين حدود آستانه منطقه‌اي

آشكارسازي لبه يكي از مفاهيم كاربردي در پردازش تصاوير سنجش ازدور است. هدف آشكارسازي لبه، نشان‌گذاري نقاطي از تصوير است كه در آنها ميزان روشنايي به‌شدت تغيير مي‌كند. تغييرات شديد خصوصيات تصوير معمولاً نماينده رويدادهاي مهم و تغيير در خصوصيات محيط هستند و در كاربردهاي مختلفي نظير بخش‌بندي تصاوير ماهواره‌اي كاربرد دارند. بسياري از روش‌هاي كلاسيك تشخيص لبه بر مشتق پيكسل‌هاي تصوير اصلي متكي هستند، مانند اپراتورهاي گراديان، لاپلاسين و لاپلاسين از اپراتور گاوسي. در تصاوير سنجش از دوري به‌علت بالابودن ميزان تغييرات، اپراتورهاي كشف با ضعف در تشخيص صحيح محدوده عوارض و حفظ پيوستگي و انسجام محدوده آنها همراه‌اند. در پژوهش حاضر به‌منظور حل اين مشكلات، سيستمي دانش‌پايه براي كشف لبه براساس خصوصيات تصاوير سنجش از دوري ارايه مي‌شود. در اين روش ابتدا به‌صورت منطقه‌اي و با استفاده از سيستم دانش‌پايه، حدود آستانه مناطق مختلف تصوير تعيين مي‌شود و سپس با استفاده از شانون آنتروپي مرز بين اين مناطق استخراج مي‌شود. اين كار موجب حفظ پيوستگي لبه‌هاي كشف‌شده خواهد شد. از مزاياي اين روش بررسي ويژگي‌هاي تصوير به‌شكل جزيي و كلي به‌صورت همزمان است. اين سيستم قابليت انعطاف با نوع نياز و خواست كاربر را برحسب ميزان جزييات و كاربرد مورد نظر دارد. در‌نهايت به‌منظور ارزيابي روش، نتايج به‌دست‌آمده با الگوريتم‌هاي استاندارد سوبل، پرويت و LoG مقايسه شدند و نشان داده شد كه اين روش به‌شكل كارآمدي قادر به شناسايي لبه‌هاي تصاوير مختلف است.

Edge detection is a fundamental concept of image processing in remote sensing which aims at detecting points of the image at which the brightness changes sharply. Sharp changes in the image properties usually represent important events and changes in environmental factors. This kind of detection method can be useful in different image processing applications such as satellite image segmentation. Many classical mathematical algorithms for the edge detection, such as Gradient operators, Laplacian and Laplacian of Gaussian operators,are based on the derivative of the original image pixels. In the remote-sensing imagery, because of the high rate of changes, these edge detection operators perform weakly in correct diagnosis of the feature boundaries and in keeping their consistency. In order to solve these problems, this research presents a knowledge-based system to detect the feature edges based on the properties of remote-sensing images. In this method, the threshold is firstly determined piecewisely in different regions of the image using a knowledge-based system, and then the area boundaries are extracted using the Shannon entropy, which safeguards the continuity of the edges. The advantage of this approach is simultaneous evaluation of the image features in both partial and general cases. In addition, the system is flexible in terms of the type of user needs and the intended details and applications. Eventually, to evaluate the method, the results are compared with Sobel, Perwitts and LOG standard algorithms. It is observed that the proposed technique can efficientlydetect the edges for different digital images.