معرفی و مقایسه ای بین چند برنامه قطعه بندی در داده هایی باقدرت تفکیک مکانی بالای سنجش ازدوری
Abstract(in Persian; no English abstract is available)
روش اولیه و متداول استخراج اطلاعات از دادههای سنجش ازدور، طبقهبندی پیکسل پایه بوده که برای تصاویر باقدرت تفکیک مکانی متوسط طراحی شده است. با توسعه دادههای سنجش ازدور و ایجاد تصاویر با توان تفکیک مکانی بالا مشکلاتی را در استفاده از پیکسل پایه به وجود آورده است. روش شی پایه تغییرات طیفی درون طبقهای را کاهش داده و به دلیل لحاظ کردن همزمان ویژگی های طیفی و هندسی بهتر عمل کرده است. مرحله اول این روش، قطعه بندی است که هدف ایجاد پدیدههای مجزای اولیه و ناحیه های همگن از تصاویر سنجش ازدوری است قطعه بندی تصویر یک مرحله قیل از طبقه بندی است که تأثیر مهمی در نتایج آن دارد بدین صورت کیفیت قطعات حاصل از این مرحله باید ارزیابی شوند. روش های خاصی برای ارزیابی کیفیت و کمیت قطعات حاصل از مرحله قطعه بندی وجود دارد. کیفیت ارزیابی نتایج قطعه بندی اهمیت خاصی در مرحله انتخاب پارامترها دارد. فاکتور مهم در زمینه استفاده از تکنیکهای قطعهبندی کیفیت قطعه بندی است؛ بنابراین در وهله اول باید یک دید کلی در مورد نرم افزارهای قطعهبندی داشته باشیم. برای این کار از چهار باند تصاویری باقدرت تفکیک مکانی بالا ultracam-d استفاده شده است. کمیت قطعات حاصل از قطعه بندی با شاخص ارزیابی کمیت afi مورد بررسی قرا گرفت. با مشاهده بصری از روند کاری نرم افزارهای قطعه بندی (spring5، ecognition8.7، envi5، saga2.1) و ارزیابی کمی قطعات تولیدی نتایج نشان دادند که نرم افزار قطعهبندی spring5 و ecognition8.7 به دلیل استفاده از پارامترهای مختلف مثل مقیاس در مرحله قطعه بندی در جداسازی پدیدههای منطقه بهتر عمل کردهاند. برای نتیجه گیری بهتر باید درجاهای مختلف و روی تصاویر مختلف باقدرت تفکیک مکانی بالا و با شاخص های مختلف قطعه بندی امتحان شود چون روشهای مختلف زیادی برای قطعه بندی وجود دارد که کارایی هرکدام از آن ها بستگی به کیفیت قطعهبندی و مقیاس موردنظر دارد.