ارائه روشي جهت توليد شاخص‌ مكاني به‌منظور به‌كارگيري اطلاعات مكاني در طبقه‌بندي تصاوير پانكروماتيك

Introducing a method for producing a Spatial indces to use spatial data in panchromatic image classification

طبقه‌بندي يكي از پركاربردترين روشهاي استخراج اطلاعات از تصاوير ماهواره‌اي است، در الگوريتم‌هاي مختلف طبقه‌بندي تنها از اطلاعات طيفي تصوير به‌عنوان ورودي استفاده مي‌شود. در حالي كه خصوصا در تصاوير با رزولوشن مكاني بالا، روابط مكاني بين پيكسلهاي همسايه نقش به‌سزايي در ايجاد تمايز بين كلاسهاي مختلف، در تفسير انساني دارد. در تحقيقات مختلف روشهايي جهت كمي‌سازي بافت تصوير و استفاده از آن در ايجاد تفكيك بين كلاسها ارائه شده است. با توجه به تنوع روشهاي كمي‌سازي بافت تصوير و تنوع پارامترهاي قابل تنظيم آنها، امكان توليد تعداد بسيار بالايي ويژگي مكاني جديد از تصوير وجود دارد. هر يك از اين ويژگيها توانايي خاصي در ايجاد تمايز بين كلاسهاي تصوير دارند، اين حقيقت و تعداد بالاي ويژگيها، نياز به انتخاب تركيب بهينه و يا توليد ويژگي‌هايي كه چكيده توانمندي مجموعه توليد شده را داشته باشند، را ضروري مي‌نمايد. در اين تحقيق با الهام از اندكس‌هاي تفاضلي نرمال طيفي، مفهوم شاخص مكاني جهت توليد شاخص‌هايي مبتني بر ويژگيهاي مكاني توليد شده از تك باند طيفي تصوير پانكروماتيك، جهت تفكيك كلاسهاي مختلف تصوير معرفي شده است. شاخص‌هاي مكاني توليدي براي هر كلاس به‌عنوان چكيده مجموعه ويژگيهاي مكاني و به‌صورت ويژگيهاي جديد در كنار باند تصوير در طبقه‌بندي نظارت شده استفاده شد. ويژگيهاي داراي بيشينه و كمينه مقدار در هر كلاس پس از توليد بردار ميانگين در فضاي ويژگي‌ها و حذف ويژگيهاي داري رنج تغييرات كوچك انتخاب شدند. پس از مقايسه با نتايج ساير كلاسها، زوج باندهاي غير تكراري انتخاب شده و ويژگيهاي تفاضلي نرمال بر اساس آنها توليد شد، استفاده از ويژگيهاي توليد شده در طبقه‌بندي منجر به افزايش قابل توجه دقت در تفكيك كلاسها و كاهش زمان كلي محاسبات گرديد. از ديگر مزاياي اين روش، صريح و مستقيم بودن و عدم نياز به روندهاي تكرار است.

Classification is the most common method for information extraction from remotely sensed images. Conventional classification methods are mostly based on spectral information. While particularly in high spatial resolution images, spatial relationships between neighboring pixels used to discriminate between different land-cover classes in human interpretation. In different research methods for quantification of image texture and use it to create separation between classes is provided. Considering the variety of formulation and adjustable parameters of texture quantization methods, huge number of texture features could be generated. Each feature has specific ability to discriminate special classes. In this paper a new method based on spectral index formulation proposed to generate Spatial Indices from textural features. Best pairs of textural features selected and Spatial Indices using them will be generated. Generated Spatial Indices are good abstract of textural feature space to use in classification procedure. This method could led to better classification results in a direct and none international solution.