ناحیه بندی مقاوم به نویز چند تصویری در تصاویر ماهواره ای پنکروماتیک
چکیده
بهبود درجه تفکیک مکانی تصاویر ماهواره ای در سالیان اخیر و نیز افزایش تعداد ماهواره های سنجش از دور (rs) باعث افزایش فوق العاده ی حجم اطلاعات شده است. امروزه پردازش و بهره برداری دقیق، سریع و کامل از این حجم وسیع اطلاعات به صورت خودکار و بدون دخالت انسان بیش از پیش مورد توجه قرار گرفته است. یکی از مهمترین پردازش هایی که برای بسیاری از تحلیل ها و کاربردها بر روی تصاویر سنجش از دور پنکروماتیک با توان تفکیک مکانی بالا (hr-prs) انجام می پذیرد، بخش بندی آنها به نواحی همگن (ناحیه بندی) است. از جمله چالش های پیش رو در ناحیه بندی تصاویر hr-prs می توان به عدم امکان استفاده همزمان از تمامی اطلاعات موجود (که می تواند از طریق یک یا حتی بیش از یک ماهواره فراهم گردد) و نیز عدم امکان مدل نمودن و حذف اثرات عدم قطعیت تصاویر در خروجی ناحیه بندی اشاره نمود. در این رساله جهت مقابله با چالش های فوق، استفاده از ویژگی های فازی به عنوان اولین راهکار پیشنهاد می شود. نشان داده می شود که استفاده از ویژگی های فازی در زمان وجود چندین تصویر hr-prs از یک منطقه جغرافیایی، نسبت به روش های موجود و رایج ارجعیت داشته و ویژگی های فازی نوع نرمال (گوسی)، بهترین نوع ویژگی ها جهت ناحیه بندی می باشند. با توجه به خواص مطلوب روش های خوشه بندی فازی از جمله مقاومت در برابر نویز و داده های دور افتاده، راهکار دوم جهت مقابله با چالش های مذکور استفاده از چهار روش خوشه بندی فازی پیشنهادی در این رساله است که همگی مبتنی بر روش خوشه بندی fuzzy c-means (fcm) می باشند. در روش اول خوشه بندی پیشنهادی، یکی از تعمیم های رایج و پرکاربرد fcm یعنی gath-geva (که تا کنون فقط برای خوشه بندی اعداد سخت ارائه شده و از آن به عنوان خوشه بندی فازی بهینه یاد می شود) به حوزه اعداد فازی گسترش می یابد. در سه روش دیگر خوشه بندی پیشنهادی، با فازی سازی پارامترهای فاصله، درجه عضویت و هر دو با یکدیگر، گامی جهت رسیدن به خوشه بندی مقاوم تر برداشته می شود؛ چرا که با توجه به وجود ابهام در اعداد ورودی، بهتر است سایر پارامترهای موثر در خوشه بندی نیز فازی بوده و ابهام داشته باشند. علاوه بر تحلیل های ریاضی و توابع هزینه پیشنهادی، نتایج شبیه سازی نیز مزایای روش های ناحیه بندی پیشنهادی را از حیث سرعت و دقت تایید می نمایند.