ارزیابی روش شی مبنا در شناسایی تغییرات مناطق باستانی در تصاویر سنجش از دور

مهدیه معبّر¹ سعید صادقیان² احمد رجبی³

1) دانشجوی کارشناسی ارشد سنجش از دور موسسه آموزش عالی حکمت
2) دانشیار آموزشکده نقشه برداری سازمان نقشه
3) کارشناسی ارشد سنجش از دور از دانشگاه

کد IOI مقاله : XCCC-EFFFH
محل انتشار : دهمین کنفرانس بین المللی فناوری های نوآورانه در زمینه علوم، مهندسی و تکنولوژی(tetsconf.com)
چکیده :
    شناسایی تغییرات صرف نظر از نوع کاربری همواره حائز بوده است. امروز مناطق باستانی از جمله موقعیت‌های جغرافیایی شناخته می‌شوند که دارای ارزش بالایی برای یک کشور است که حفظ و نگهداری و بازسازی آن باید مورد توجه قرار گیرد و یکی از روش¬های مهم آن تولید نقشه تغییرات از این مناطق در گذر زمان است. تمرکز بیشتر محققان بر روی استفاده از تصاویر سنجش از دوری و گسترش الگوریتم‌های کارآمد در این زمینه می‌باشد. از این رو این تحقیق به منظور بررسی الگوریتم‌های شیءمبنا در زمینه شناسایی تغییرات مناطق باستانی تعریف شده است و هدف اصلی پیاده‌سازی آن بر روی دو مجموعه داده از تصاویر با استفاده از مکانیزم¬های مختلف برای مقایسه الگوریتم¬ها می‌باشد. در مکانیزم دیدیم که باند قرمز به مراتب بهتر از دو باند اصلی دیگر تاثیرگذار است و می‌تواند 86٪ از کل تغییرات منطقه را شناسایی کند. دقت مناطق تغییریافته و تغییرنیافته حاصل از این باند اختلاف اندکی با ترکیب باندی ورودی به الگوریتم را دارد که نشان‌دهنده این است این باند نقش به سزایی را ایفا می‌کند. در بخش دوم الگوریتم قطعه بندی Multiresolution با ایجاد تعداد منطقی از قطعات همگن در تصویر بالاترین دقت را در مناطق تغییریافته و تغییرنیافته حاصل می‌کند. مقادیر دقت‌های کلی به ترتیب حدود 88% و 90% بوده است و این درحالی است که مقادیر آلارم اشتباه و از دست رفته به ترتیب کمتر 06/0% و 29/0% بوده است که نسبت به سایر الگوریتم قطعه‌بندی کارآمدتر نشان داده است. ویژگی‌های بافتی نشان دادند با اضافه شدن این ویژگی‌ها در کنار ویژگی‌های طیفی به بهبود دقت شناسایی تغییرات کمک خواهد کرد. با وجود این تفاسیر بهترین حالت ممکن به طوری است که از باندهای قرمز در کنار ویژگی‌های بافتی به عنوان باندهای ورودی به الگوریتم معرفی شوند و در مرحله قطعه‌بندی از اگوریتم Multiresolution استفاده شود.

کلمات کلیدی : شناسایی تغییرات شئ‌مبنا قطعه‌بندی‌کننده‌ ویژگی های بافتی ویژگی های طیفی