– انواع تصحيحات هندسي تصاوير :
تصحیحات مشخص و دقيق هندسي ، با كد گذاري مشخص جغرافيايي كه در اصطلاح سنجش از دور ، ژئوكد گفته مي شوند . براي توليد اينگونه اطلاعات ، باقيمانده خطاهايي كه در تصحيح استاندارد جبران نشده اند ، تصحيح مي شوند و تصاوير ماهواره اي حاصل ، با يكي از سيستم هاي معمول توليد نقشه ، نظير سيستم مختصات جغرافيايي يا سيستم متريكUTM انطباق داده مي شوند . براي انجام اين نوع تصحيح هندسي ، مي توان از روشهاي زير استفاده كرد :
1. استفاده از دستگاه GPS كه در آن انتخاب نقاط كنترل زمين با مختصات جغرافيايي دقيق و سپس انطباق و تصحيح تصاوير ماهواره اي با نقاط كنترل مورد نظر صورت مي گيرد .
2. روش ساده تر ، استفاده از نقشه و تصوير است كه بر روي آنها نقاط كنترل انتخاب مي شود وبا مشخص كردن نقاط مشابه بر روي تصاوير ماهواره اي و اجراي برنامه هاي خاص ، سيستم مختصات تصوير مورد نظر با نقشه يا تصوير تصحيح شده مطابقت مي يابد . استفاده از تصوير يعني تصويري از منطقه كه داراي مختصات طول و عرض جغرافيايي مي باشد . مختصات نقشه نيز از روي نقشه مانند نقشه توپوگرافي قرائت مي شود و سپس عمل تطابق بوسيله يكي از ...
سيستمها صورت مي گيرد .
روشهاي تطابق هندسي :
- روشهاي پارامتري : در اين روش به كمك پارامترهاي مداري ، تصحيح هندسي صورت مي گيرد . از مزاياي اين روش بالا بودن سرعت كار و از معايب آن ، پايين بودن دقت آن نسبت به ديگر روشهاست .
- روشهاي غير پارامتري : اين روش به دو صورت همبستگي و نقاط كنترل زميني مي تواند اجرا شود كه روش اخير متداولترين تطابق هندسي مي باشد .
3. تصحيح هندسي تصاوير با استفاده از امكانات كامپيوتري :
به منظور تصحيح هندسي يك تصوير ، با استفاده از امكانات كامپيوتري بايد مراحل زير را انجام داد:
تغيير سيستم مختصات پيكسل هاي تصوير :
در اين مرحله با انتخاب نقاط كنترل زميني بر روي نقشه و مشابه آنها روي تصوير و انجام محاسبات مربوطه ، مختصات هر يك از پيكسل هاي تصوير خام ، نسبت به نقاط كنترل انتخابي روي نقشه و سيستم مختصات نقشه ، تغيير مي كند و يك فضاي هندسي جديد ، منطبق با سيستم مختصات نقشه به نام ماتريكس تصحيح شده ، ايجاد مي شود . طريقه عمل در اين مرحله كه اساس آن بر انتخاب نقاط كنترل زميني بر روي نقشه و نقاط مشابه بر روي تصوير است ، بدین صورت است كه پس از انتخاب نقاط كنترل زميني به تعداد كافي و با توزيع مناسب در محدوه نقشه و تصوير ( تقاطع جاده ها و محل انشعاب رودخانه هاي فرعي و اصلي و موارد مشخص ) از روابط رياضي چند جمله اي با درجات مختلف ، به منظور ايجاد مدل تغيير مختصات پيكسل ها استفاده مي شود . براي استفاده از معادلات با درجات مختلف ، يك يا حداقل نقاط كنترل مورد نياز است كه به عنوان مثال براي استفاده از معادلات درجه يك ، حداقل 3 نقطه كنترل مورد نياز است تا محاسبات لازم بر آن اساس انجام می شود . معاد لات درجه 1 و2 به صورت زير است :
نمونه گيري مجدد :
در اين مرحله با بهره گيري از روش هاي تغيير ارزش پيكسلها ، درجات روشنايي DN هر يك از پيكسلهاي ماتريكس جديد تعيين مي شود كه اصطلاحاً تعيين درجات روشنايي ناميده مي شود . تعيين درجات روشنايي پيكسلهاي تصوير جديد (تطابق يافته ) از تصوير قديم به دو روش صورت مي گيرد :
الف : روش رو به جلو ؛ موقعيت هر پيكسل از تصوير اوليه در تصوير جديد ايجاد شده و درجه روشنايي به آن داده مي شود .
ب: روش رو به عقب ؛ بطور سيستماتيك موقعيت يكايك پيكسلهاي تصوير جديد در تصوير قديم تعيين شده و درجه روشنايي مربوطه اخذ مي شود . حسن اين روش در آن است كه هيچ پيكسلي در داخل تصوير جديد خالي نمي ماند . روشهاي مكاني تغيير ارزش پيكسلها ( تغيير درجات روشنايي ) عبارتند از :
1- روش استفاده از نزديكترين همسايه :
براي محاسبه ارزش طيفي هر پيكسل از تصوير جديد ، با مقايسه موقعيت مكان چهار پيكسل مجاور آن در تصوير اوليه ، فاصله مرکز پيكسلهاي مورد نظر از پيكسلهاي جديد محاسبه شده و ارزش طيفي پيكسلي كه به پيكسل مورد تغيير نزديكتر است ( نزديكترين همسايه ) ، به آن تعلق مي گيرد . از محاسن اين روش آن است كه DN جديد ايجاد نمي شود .
2- روش ميان يابي خطي :
در اين روش ، ميانگين وزني ارزشهاي طيفي چهار پيكسل مجاور يك پيكسل خاص ، با اختصاص وزن بيشتر به پيكسل كه مركز آن به پيكسل مورد نظر نزديكتر است ، محاسبه و بعنوان ارزش جديد براي آن پيكسل در نظر گرفته مي شود .
3- روش پيچش مكعبي :
در اين روش ، ارزش جديد هر پيكسل مانند روش ميان يابي خطي محاسبه مي شود ، با اين تفاوت كه 16 پيكسل اطراف پيكسل مورد نظر ، براي محاسبه ميانگين ارزشها استفاده مي شود . البته اجراي اين روش مستلزم صرف زمان بيشتري است .
انتخاب درجات مختلف بستگي به كيفيت هندسي تصوير مورد استفاده و تعداد نقاط كنترل زميني دارد . كيفيت تصاوير ماهواره اي جديد در مجموع به گونه اي است كه در اكثر موارد معادلات درجه اول و دوم ، دقت كافي را عايد مي سازد . به هنگام استفاده از معادلات درجه بالا ، تغييرات فاحشي در مناطق فاقد نقاط کنترل بر روي تصوير جديد پديد مي آيد . به عنوان مثال براي نواحي داراي پستي و بلندي كمتر ، استفاده از معادله درجه يك مناسب تر است.
جهت بررسي دقت نقاط كنترل زميني انتخاب شده بر روي تصوير يا نقشه ، براي نقاط انتخابي ، خطاي جذر ميانگين مربعات RMSE محاسبه مي شود :
در اين روش X1و Y1 شماره سطر و ستون نقطه كنترل در تصوير تصحيح نشده بر حسب پيكسلي است كه نقطه كنترل در آن قرار دارد و Xو Y شماره سطر و ستون همان نقطه كنترل زميني در ماتريكس تصحيح شده مي باشند . در حقيقت RMSE ميزان خطاي مكاني نقاطي از تصوير جديد را نسبت به محل واقعي آن بر روي نقشه يا تصوير مبنا نشان مي دهد . مقدار قابل قبول براي RMSE كل در عمل تطابق هندسي ، برابر با1 ± جزء تصويري مي باشد.
سيستم تعيين موقعيت جهاني GPS
1. آشنايي با سيستم تعيين موقعيت جهاني :
GPS يك سيستم تعيين مختصات و ناوبري با استفاده از زمان و فاصله است كه توسط وزارت دفاع آمريكا تهيه و در حال تكوين است اين سيستم از سه بخش تشكيل شده است ؛
الف ؛ ماهواره ها : كه از 21 ماهواره بلوك 2 و 3 ماهواره يدكي در مدار تشكيل شده است
ب؛ كنترل كننده سيستم : اين بخش از 5 ايستگاه تشكيل شده است كه وظايفي مانند كنترل و تعيين وضعيت ماهواره ،
كنترل سرعت ماهواره و ارسال پيامهاي ناوبري ماهواره ها را بر عهده دارند .
ج؛ استفاده كنندگان از سيستم : ابتدا امريكا و متحدان پيمان ناتو جهت مقاصد نظامي از اين سيستم استفاده مي كردند ، ولي در حال حاضر استفاده از آن براي عموم آزاد است . در اين سيستم ، هر ماهواره براي مخابره پيامهاي ناوبري از دو موج L1 (MHZ42/1575) و L2 (MHZ6/1227 ) استفاده مي كند . بخش كنترل كننده در اين سيستم داراي 5 ايستگاه كنترل زميني است كه بطور منظم در سراسر كره زمين پراكنده اند . تا كنون سه نسل از ماهواره هاي GPS تحت عنوان ماهواره هاي بلوك 1 و 2 و 3 طرح ريزي شده اند ، تعداد ماهواره هاي بلوك1 يازده ، بلوك2 سي و سه و ماهواره هاي بلوك 3 در حال طراحي مي باشند . از جمله وظايف ماهواره ها در اين سيستم ، دريافت و ذخيره اطلاعات مخابره شده از بخش كنترل كننده ، انجام پردازش هاي محدود بر روي اطلاعات دريافت شده ، حفظ زمان دقيق ، مخابره اطلاعات به استفاده كنندگان سيستم و توانايي جابجايي در مدار مي باشد .
2. اصول تعيين موقعيت GPS
بدین صورت است که ماهواره های GPS امواجی را به سمت زمین مخابره می کنند که این امواج حاوی زمان دقیق ارسال امواج Ts و موقعیت ماهواره در آن لحظه هستند . گیرنده GPS نیز دارای ساعت دقیقی بوده و می تواند زمان دریافت امواج را بدقت تعیین کند ، این ساعت همزمان با ساعت ماهواره است . با در اختیار داشتن مدت زمان طی شده برای رسیدن امواج از ماهواره تا گیرنده ( ts-tr ) و سرعت سیر امواج الکترومغناطیسی (c) که تقریباً همان سرعت نور است ، می توان فاصله ماهواره تا گیرنده را بدست آورد . ] .c(ts-tr)=P [. از طرفی P را بر حسب مختصات ماهواره و گیرنده می توان بصورت زیر نوشت :
در معادله فوق ، مختصات ماهواره از کمیتهای معلوم می باشند و جزء اطلاعاتی هستند که ماهواره ارسال می کند. بنابراین تنها مجهولات معادله ، مختصات گیرنده اند . لذا اگر گیرنده بتواند در یک لحظه فاصله خود را تا سه ماهواره را اندازه بگیرد از حل دستگاه سه معادله سه مجهولی حاصل ، مختصات گیرنده بدست می آید . در عمل برای آنکه مختصات واقعی نقاط ( بدون خطا ) را بصورت سه بعدی داشته باشیم ، حداقل به چهار ماهواره نیاز خواهد بود .
کاربردهای GPS :
- کاربرد های زمینی : شامل نقشه برداری ، کنترل حرکات تکتونیک ، نشستهای موضعی زمین و استفاده های شهری .
- کاربرد های دریایی : ناوبری ، هیدرو گرافی ، تعیین موقعیت سکوهای نفت ، مین یابی در دریا و تعیین جزیره های مرجانی.
- کاربرد های هوایی : فتو گرامتری ، کنترل حمل و نقل هوایی ، کنترل ماهواره های سنجش از دور .
بارز سازی یا آشکار سازی تصاویر Image Enhancement
بارز سازی یا روشن سازی تصویر ، عبارتست از اصلاح ارزش داده های تصویر به منظور نمایان کردن اطلاعات داخل تصویر می باشد . در این مرحله ، اطلاعات بررسی شده و آماده شده در مرحله قبل ، بمنظور واضح سازی تصویر و مشخص نمودن بهتر پدیده های مورد نظر ، با روشهای مختلف ، مورد پردازش قرار می گیرند . با توجه به هدف مطالعه و تحقیق ، روشهای بارزسازی تصویر نیز می تواند متفاوت باشد . روشهای رایج بارزسازی تصویر که عموماً مورد استفاده قرار می گیرند شامل ؛ افزایش کنتراست تصاویر ، تفریق باند از باند ، تقسیم باند به باند ، استفاده از فیلتر ، تجزیه و تحلیل مولفه های اصلی و ایجاد تصاویر رنگی می باشد .
پائول . ام . ماتر در کتاب پردازش کامپیوتری تصاویر سنجش از دوری ، تکنیک های بارزسازی تصاویر را بصورت زیر تقسیم بندی کرده که شامل :
1- افزایش( بهبود) کنتراست :
- بسط کنترل خطی Liner Contrast Stretch
- برابر یا متعادل کردن هیستوگرامHistogram Equation
- بسط گوس ( نرمال )Gaussian Stretch
2- بهبود یا ترکیب رنگی کاذب Pseudo color Enhancement
- برش دهنده انبوهی Density Slicing
- تبدیل رنگی کاذب Pseudo color Transform
- تغییر رنگی مختص کاربر User – Specified Color transforms
3- تغییرات تصویر Image Transforms :
- عملیات محاسباتی
- تغییر تصاویر بر اساس روشهای تجربیEmpirically based image Transforms
- تجزیه مؤلفه های اصلی
- تجزیه مشخص مضاعف ( چند تایی )Multiple Discriminate Analysis
- تبدیل شدن و اشباع تصویرHue, saturation & Intensity Transform
- تبدیل فوریرFourier transforms
4- تکنیک های فیلتر گذاری :
- فیلتر های پایین گذر ( فیلتر میانگین لغزان Moving Average filter - میانه و فیلترهای موافق (Adaptive filter
- فیلترهای بالا گذر ( روش کاهش تصویر ، روش های اشتقاقی )
- جستجوی لبه
- فیلتر های غالب فراوانی
روشهای رایج بارزسازی تصویر عبارتند از :
1- افزایش کنتراست تصاویر
بمنظور افزایش تفاوت موجود بین درجات روشنایی پیکسل ها به منظور روشنایی و تفکیک بهتر پدیده ها بصورت بصری ، عملیات خاصی صورت می گیرد که بطور کلی تحت عنوان افزایش کنتراست تصاویر عنوان می شوند . عملیاتی که برای افزایش کنتراست تصاویر اجرا می شوند ، در حقیقت باعث تغییر ارزش اطلاعاتی پیکسلها شده ، قدرت تفسیر بصری را افزایش می دهند و از این رو از یک تصویر جدید می توان اطلاعات بیشتری را استخراج نمود . این تغییرات بر روی ارزش پیکسلها به دو صورت دیده می شود ؛
- تغییرات نقطه ای ؛ ارزش طیفی هر پیکسل بطور مستقل و بدون توجه به ارزش سایر پیکسل ها تغییر می کند ، افزایش کنتراست معمولاً یک تغییر نقطه ای است .
- تغییرات منطقه ای ؛ در این روش ارزش طیفی هر پیکسل در ارتباط با ارزش پیکسل های اطراف آن تغییر می یابد و تصویری جدید و متفاوت با تصویر اولیه و با قابلیت بیشتر برای تفسیر حاصل می گردد .
2- استفاده از فیلتر
یکی از امکاناتی که هنگام تفسیر رقومی اطلاعات ماهواره ای و استفاده از کامپیوتر در اختیار مفسر قرار می گیرد ، اختصاص ارزشهای جدید بر اساس ارزش پیکسلهای مجاور برای ایجاد تصویر جدید می باشد که تحت عنوان فیلتر کردن می باشد . عمل فیلتر به این صورت انجام می پذیرد که یک پنجره متحرک ، پیکسل به پیکسل روی تمامی قسمتهای تصویر حرکت کرده و در هر مکان بر اساس ضرایب و فرمولی که برای خانه های آن پنجره تعریف شده است ، محاسبات صورت می گیرد و آن ارزش محاسبه شده برای خانه های آن پنجره تعریف شده است ، محاسبات صورت می گیرد و آن ارزش محاسبه شده برای خانه مرکزی پنجره در تصویر جدید قرار داده می شود . برای عمل فیلتر کردن ، معمولاً از جعبه فیلترهایی به اندازه 3×3 ، 5×5 ، 9×9 استفاده می شود .
معمولاً در پردازش تصاویر ماهواره ای ، از سه نوع فیلتر استفاده می شود که شامل :
2-1- فیلتر پایین گذر ؛
با اجرای این فیلتر ، اجازه عبور مقادیر پایین تر از یک ارزش طیفی خاص به سطوح طیفی تصویر مورد نظر داده می شود . دامنه طیفی تصویر کم می شود و تصویری تقریباً یکنواخت حاصل می گردد . با اجرای این فیلتر ، میزان ارزشهای طیفی بالا در تصویر کاهش می یابد . هر سه نوع فیلترهای میانگین ، میانه و نما ( مد ) ، جزء فیلترهای پایین گذر هستند این فیلتر خصوصاً برای هموار کردن تصویرهای گسسته و حذف حالت نواری و حذف لکه های تصویری بسیار مفید است .
2-2- فیلتر بالا گذر ؛
انجام این فیلتر ، موجب انتقال میزان بیشتری از ارزشهای طیفی بالا می شود . برای درک فیلتر بالا گذر ، کافی است که نتیجه فیلتر پایین گذر را از تصویر اصلی کم کنیم . در تصویر حاصل ، در پدیده های دارای ارزش طیفی بالا ، جزئیات بیشتری ظاهر می شود و خصوصاً آنکه اختلاف میان پیکسل های مجاور که در آنها ارزش طیفی تغییر ناگهانی یافته ، بیشتر می شود از این خاصیت در مطالعه و بررسی عوارض خطی و مرزها استفاده می شود . این فیلتر ، مخصوصاً برای مقاصد بارز سازی بسیار مفید است که گاه به همین دلیل به آنها واضح کننده یا بارز ساز لبه گویند .
2-3- فیلترهای میان گذر ؛
اجرای این فیلتر سبب انتقال میزان بیشتری از ارزش های طیفی بخصوص می شود . ( منظور از باند در این فیلتر ، باندهای یک سنجنده نیست بلکه محدوده ای از یک باند طیفی است . ) البته تعیین اینکه چه محدوده ای برای این عمل مورد استفاده قرار می گیرد ، بر اساس نوع و هدف تحقیق متفاوت است .
3- تجزیه و تحلیل مؤلفه های اصلی تصویر
سنجنده های چند باندی ، اطلاعات ماهواره ای را در چندین باند طیفی ارائه می دهند و بنابراین تجزیه و تحلیل ها نیز می توانند در یک فضای چند بعدی صورت گیرند . هر چه واریانس ارزشهای طیفی در یک تصویر بیشتر باشد ، تصویر ، دامنه اطلاعاتی وسیع تری خواهد داشت که گویای امکان تفکیک پدیده های بیشتر در تصویر است و چنین تصویری برای مطالعه مناسب تر است . یکی از روشهای آماری که در بارز سازی تصاویر و نیز تعدیل سایه ها کاربرد زیادی دارد ، استفاده از تجزیه اجزای متشکله تصویر PCA می باشد .
در حقیقت با انجام این تکنیک آماری ، چرخشی در جهت محورهای مختصات بو جود می آید و محورهای جدید در جهتی که بیشترین واریانس ارزشهای طیفی را داشته باشد ، ایجاد می شود . باندهای طیفی جدید به ترتیب از باندهای با دامنه طیفی وسیع تر تا باندهای با دامنه طیفی کمتر تشکیل می شوند که می توان باندهای مناسب ( معمولاً سه باند اول ) را برای تفسیر انتخاب کرد .
از جمله مزایای تکنیک آماری ، تجزیه مولفه های اصلی آن است که بیشترین کمیت اطلاعات طیفی یک تصویر چند باندی را در تعداد محدودی از باندهای PCA می دهد که در نتیجه آن ، می توان از تعداد باندهای طیفی کمتری برای مطالعه استفاده کرد که خود موجب کاهش فضای مورد نیاز در کامپیوتر و افزایش سرعت پردازش می شود . این تکنیک در اصل جهت متراکم سازی داده ها ایجاد شده است .
4- استفاده از نسبت های طیفی
یکی از تکنیکهایی که در پردازش تصویر کاربرد زیادی دارد ، استفاده از نسبت های طیفی می باشد که بر تقسیم و تفاضل باندهای یک تصویر بر یکدیگر استوار است . با انجام این عمل ، آثار منفی عوامل نامناسب که معمولاً در همه باندها و با شدت های متفاوت وجود دارد ، کاهش می یابد که علاوه بر تعدیل سایه ها ، برخی از پدیده ها قابلیت تفکیک بیشتری پیدا می کنند . در تصویر حاصل از عمل نسبت گیری ، اطلاعات مشترک تصاویر اولیه حذف شده و در مقابل ، اطلاعاتی که در تصاویر اولیه با یکدیگر اختلاف دارند بارز تر خواهند شد . برای مثال از تقسیم باند 4 سنجنده MSS بر باند 5 آن ، برای مکان یابی خاکهای سرخ و کانسارهای آهن و از تقسیم باند 6 سنجنده فوق بر باند 7 ( با احتساب سه باند RBV ) ، برای به حداقل رساندن تاثیر پوشش گیاهی استفاده می شود .
همچنین با اجرای عملیات نسبت گیری طیفی بر روی یک باند طیفی مربوط به دو تاریخ مختلف ، تصویر مناسب برای بررسی تغییرات پدیده ها بو جود می آید . بر اساس مطالعات صورت گرفته ، باندهای نسبی زیر جهت مطالعات پوشش گیاهی می توانند مناسب باشند ؛
NIRIR – VI = NIRIG – NIRIG + R
Normalized Difference Vegetation Indent = (NIR – R) ÷ (NIR+R)
- طبقه بندی داده های ماهواره ای و تعیین دقت آن
طبقه بندی ، متداولترین روش استخراج اطلاعات مورد نظر به روش رقومی است و در حقیقت جواب بسیاری از سوالات را در تحقیقات سنجش از دور مشخص می کند . با علم به این موضوع که هدف اصلی سنجش از دور ، شناسایی و تفکیک پدیده های زمینی می باشد ، طبقه بندی تصاویر ماهواره ای به عنوان مهمترین بخش تفسیر اطلاعات ماهواره ای محسوب می شود . این عمل در تفسیر بصری تصاویر بوسیله چشم انسان در حد توان آن و بدون دخالت دادن روابط ریاضی و آماری بر اساس استفاده از عوامل تفسیر ، نظیر ؛ رنگ ، شکل ، بافت ، اندازه و ... تصاویر است . اما طبقه بندی رقومی تصاویر ماهواره ای که بوسیله کامپیوتر صورت می گیرد بر اساس بررسی ارزش طیفی جزءهای تصویری ، روابط پدیده های زمینی و باندهای طیفی مورد استفاده در سنجش از دور و استفاده از روابط ریاضی و آماری استوار است .
بنابراین منظور از طبقه بندی داده های ماهواره ای به روش رقومی ، تفکیک مجموعه های طیفی مشابه و تقسیم بندی تصاویر به گروهها یا طبقاتی است که در هر طبقه ، طیفها با یک ارزش واحد قرار می گیرند و از نظر آماری قابل تفکیک نیستند . با اجرای عمل طبقه بندی اطلاعات در واقع یک طبقه بندی طیفی صورت گرفته و هر طبقه یا کلاس در تصویر جدید می تواند معرف پدیده ای باشد که ارزش طیفی آن بهم نزدیک و در یک دامنه معینی قرار می گیرند . در واقع ، اساس کار طبقه بندی داده ها بر مقایسه ارزش طیفی پیکسلهای تصویر با نمونه های معرفی شده بوسیله مفسر و یا با خوشه هایی که در طبقه بندی نظارت نشده تشکیل می شوند ، استوار می باشد .
چنانچه ذکر شد ، بررسی تفکیک پذیری طیفی پدیده های مختلف زمینی از مواردی است که قبل از انجام عمل طبقه بندی بخصوص در تصمیم گیری برای تعریف و تعیین کلاسه ها و نیز برای انتخاب باندهای مناسب از اهمیت فراوانی برخوردار است .
- بررسی تفکیک پذیری طیفی پدیده ها :
آزمون و بررسی میزان تفکیک پذیری طیفی پدیده ها از نظر کمی را می توان یکی از امکانات تفسیر رقومی اطلاعات ماهواره ای دانست که در اختیار مفسر قرار می گیرد . این عمل بر مبنای تفاوت های آماری انعکاس طیفی پدیده ها در باند های مختلف استوار است . از جمله روشهای مرسومی که جهت بررسی تفکیک پذیری طیفی پدیده ها وجود دارد ، انجام طبقه بندی بدون نظارت ابتدایی می باشد .
هدف از انجام این عمل ، تعیین میزان تفکیک پذیری طیفی پدیده های مورد نظر برای مفسر می باشد . واضح است هر چه تفکیک پذیری طیفی پدیده ها در باند یا باندهایی از نظر کمی به میزان حداکثر نزدیک باشد ، بیانگر مناسب تر بودن باندهای استفاده شده می باشد . در ادامه با جابجایی و تغییر باندهای طیفی مورد استفاده ، می توان بهترین باند یا مجموعه باندها را انتخاب و اقدام به طبقه بندی نمود .
- روش های طبقه بندی داده های ماهواره ای :
بطور کلی برای اطلاعات رقومی ماهواره ای دو نوع روش طبقه بندی وجود دارد که عبارتند از روش طبقه بندی نظارت شده و روش طبقه بندی نظارت نشده . اگر چه اساس کار هر دو طبقه بندی بر اختلاف ارزشهای طیفی اجزای سازنده تصاویر استوار است ولی از نظر نوع اجرا متفاوت هستند . بطور خلاصه می توان بیان کرد که اختلاف دو نوع طبقه بندی فوق در روش ایجاد نشانه های آنهاست در روش طبقه بندی نظارت شده ، ارزشهای طیفی بر اساس نمونه هایی که مفسر برای هر پدیده انتخاب کرده ( نواحی آزمایشی یا تعلیمی ) ، محاسبه می شوند و سپس با بهره گیری از برنامه های کامپیوتری ویژه ، پیکسلهای باقیمانده تصویر ، بر اساس مطابقت با ارقام نواحی تعلیمی ، طبقه بندی می شود . این نوع طبقه بندی ، معمولاً وقتی مفسر اطلاعات کافی و مشخص از منطقه مورد تحقیق و زمینه تحقیق داشته باشد ، مناسب است .
در روش طبقه بندی نظارت نشده ، گروه بندی طیفی بدون دخالت مفسر و بر اساس اختلاف ریاضی ارزشهای طیفی محاسبه می گردند . بر خلاف طبقه بندی نظارت شده ، این روش وقتی بکار می رود که مفسر اطلاعات کافی از ناحیه مورد مطالعه نداشته و همچنین با حجم زیادی از اطلاعات روبرو باشد .
1. طبقه بندی نظارت شده :
چنانچه اشاره شد اساس این روش در انتخاب و معرفی مناطق تعلیمی برای هر کلاسه و استفاده از آنها برای طبقه بندی است . لذا بدلیل اهمیت انتخاب صحیح مناطق تعلیمی ، موارد زیر باید در نظر گرفته شود ؛
- پراکنش نمونه ها بر روی پدیده های مختلف تصویر ، باید مناسب بوده تا هیچ یک از درجات یا ارزشهای طیفی حذف نشوند .
- قسمتهایی از تصویر برای هر پدیده برای مناطق تعلیمی انتخاب شوند که از نظر انعکاس طیفی در هر نمونه ، همگنی مطلوب وجود داشته باشد . مثلاً چنانچه از طبقه ای با زیر طبقه های زیاد ، منطقه تعلیمی انتخاب شود ، این انتخاب باید شامل تمام طبقه ها باشد تا کلیه درجات طیفی مربوط به طبقه اصلی وارد شوند .
- اندازه نمونه ها متناسب باشد . به این صورت که تعداد پیکسلهای داخل هر نمونه ، حداقل یک واحد بیشتر از تعداد باندهای مورد استفاده در طبقه بندی باشد در غیر اینصورت ، نمونه مورد نظر در طبقه بندی وارد نخواهد شد . معمولاً نمونه های تعلیمی را بصورت چند ضلعی تعیین می کنند .
بعد از انتخاب صحیح نمونه های تعلیمی و پس از انجام محاسباتی مانند تعیین میانگین و واریانس ارزشهای طیفی نمونه ها ، نشانه های طیفی نمونه ها ایجاد می شود . در حقیقیت با تشكيل نشانه های طیفی نمونه ها و انجام عمل طبقه بندی اطلاعاتی از قبیل تعداد پیکسل مربوط به نمونه های انتخاب شده برای هر طبقه ، تعداد پیکسلی که پس از عمل طبقه بندی به هر طبقه اختصاص یافته بدست می آید . سپس هر یک از پیکسلهای تصویر ، با نشانه های طیفی نمونه ها که ایجاد شده است مقایسه می گردند و هر گروه از پيكسلها به یکی از طبقات نمونه گیری شده ، نسبت داده می شود . نتیجه نهایی طبقه بندی ، تصویری است که در آن طبقات نمونه گیری شده کاملاً مجزا شده و هر طبقه یا کلاس دارای کد خاصی می باشد .
طبقه بندی نظارت شده خود به طرق زیر انجام می شود ؛
1-1- روش حداقل فاصله تا میانگین :
در طبقه بندی با این روش ، پس از مشخص شدن میانگین ارزش طیفی نمونه های انتخابی طبقه ، کوتاهترین فاصله ارزش طیفی هر پیکسل طبقه بندی نشده با میانگین مقایسه می شود و پیکسل مورد نظر به کلاسی تعلق می گیرد که نزدیکترین فاصله را با میانگین آن طبقه دارد . بدین ترتیب ، هر پیکسل به طبقه ای تعلق می گیرد که کمترین فاصله را تا میانگین طبقه داشته باشد .
روش حداقل فاصله تا میانگین ، هر چند ساده تر ين روش برای طبقه بندی می باشد اما بدلیل حساسیت آن نسبت به واریانس ویژگی های طیفی هر طبقه ، دارای محدودیت است و هنگامی که از تعداد بیشتری باند طیفی استفاده شود ، این محدودیت چشمگیرتر است . با استفاده از این روش تمام پیکسلهای تصوير طبقه بندی شده و پیکسل طبقه بندی نشده وجود نخواهد داشت .
1-2- روش متوازی السطوح یا شبکه های موازی :
در این روش با توجه به دامنه طیفی طبقات نمونه که بر روی تصویر مشخص شده اند ، بر اساس حداقل و حداکثر ارزش طیفی طبقات نمونه در باندهای مختلف ، چهار ضلعی هایی ایجاد می گردند که این چهار ضلعی ها در فضای چند بعدی ، تشكيل متوازی السطوح چند بعدی را می دهند . پس از ایجاد شبکه های موازی ، پیکسلهای تصویر ، بسته به اين که در کدام یک از چهار ضلعی ها قرار بگیرند ، طبقه بندی و به گروههای منطبق با مناطق نمونه تفکیک می شوند .
در این روش ممکن است که پيكسلهايي در هیچ یک از چهار ضلعی ها قرار نگیرند که در این صورت تحت عنوان کلاس ناشناخته یا طبقه بندی نشده معرفی می شوند . انتقاد وارد بر این روش ، این است که امکان دارد یک پیکسل در داخل چند طبقه قرار بگیرند . به اینصورت که ممکن است که طبقات تصویر با هم تداخل یا پوشش مشترک داشته باشند و در تفکیک طبقات اشتباهی رخ دهد .
1-3- روش حداکثر احتمال :
این روش از سایر روشهای موجود برای طبقه بندی دقیق تر می باشد . اساس کار در این روش بدینگونه است که میزان کمی واریانس و همبستگی ارزشهای طیفی باندهای مختلف ، برای مناطق نمونه محاسبه می شود و از همین خاصیت برای ارتباط یک پیکسل طبقه بندی نشده به یکی از گروهها یا نمونه های طیفی استفاده می شود . در این روش فرض بر این است که توزیع داده های هر طبقه بر اساس توزیع نرمال در اطراف پیکسل میانگین آن طبقه قرار گرفته اند . این حالت بندرت می تواند تحقق یابد ولی با اینحال این فرض بر اساس تجارب حاصل از بازتاب انرژی اجسام ، پذیرفته شده است .
با استفاده از عامل میزان احتمال ، هر یک از پیکسلهای تصویر ، پس از آزمون آماری و محاسبه احتمال تعلق آنها به گروههای طیفی نمونه به گروه مربوط تعلق می گیرد . روش حداکثر احتمال نسبت به روشهای دیگر نیازمند زمان بیشتری برای محاسبات است .
2. طبقه بندی نظارت نشده :
چنانچه اشاره شد ، در این طبقه بندی ، مفسر در تفکیک گروههای طیفی نظارتی ندارد و پیکسلها در این نوع از طبقه بندی ، پس از مقایسه ارزشهای طیفی آنها در گروهها یا طبقات طیفی مجزایی قرار می گیرند . بنابراین ، این نوع طبقه بندی در حقیقت حالت عکس طبقه بندی نظارت شده است ، به این معنی که در نوع با نظارت ، ابتدا گروههای طیفی همگن بر روی پدیده های شناخته شده انتخاب و سپس طبقه بندی تمام تصویر به گروههای مربوط صورت می گیرد .
اما در نوع نظارت نشده ، ابتدا گروههای طیفی قابل تفکیک مجزا می شوند و سپس مورد شناسایی قرار می گیرند . در گروههای تفکیک شده ، ارزشهای طیفی پیکسلها به یکدیگر نزدیک است و قابل تفکیک مجدد نیستند . با این وجود ، این امکان در طبقه بندی نظارت نشده وجود دارد که تعداد کلاس یا طبقات بوسیله مفسر مشخص شود . البته این امر به آگاهی به شناخت نسبی مفسر از منطقه و اهداف تحقیق بستگی دارد .
طبقه بندی نظارت نشده به تجزیه و تحلیل خوشه ای نیز معروف است ، روش کار به این صورت است که مفسر تعداد گروه یا طبقه طیفی مورد انتظار را مشخص می کند و سپس با استفاده از واریانس ارزشهای طیفی برای هر باند ، یک مرکز خوشه مشخص شده و آنگاه تمام پیکسلهای تصویر از نظر ارزشهای طیفی با گروههای طیفی ایجاد شده مقایسه و به گروه خاص تعلق می گیرند .
- برآورد دقت طبقه بندی :
بعد از انجام طبقه بندی نظارت شده و یا نظارت نشده ، تعیین دقت تصاویر حاصله امریست کاملاً ضروری ، زیرا دقت بیانگر آن است که نقشه حاصل از عمل طبقه بندی تا چه میزان با واقعیت زمینی مطابقت دارد . بنابراین هر چقدر میزان دقت طبقه بندی بیشتر باشد ، نشان دهنده آن است که نقشه طبقه بندی شده ما تفاوت کمتری با واقعیت زمینی در راستای نوع تحقیق ما دارد . تعیین دقت در تحقیقات رقومی بطور کلی به دو صورت انجام می گیرد :
1 – مقایسه 100 درصد یا پیکسل به پیکسل :
این روش بیشتر در کارهای تحقیقاتی دقیق و در سطوح کوچک بکار می رود . لازمه اجرای تعیین دقت در این روش ، تهیه نقشه رفرنس یا واقعیت زمینی از منطقه مورد مطالعه با استفاده از روشهای دیگر ( تفسیر عکسهای هوایی یا کار میدانی ) می باشد . در نهایت نقشه حاصل از طبقه بندی بطور صددرصد و پیکسل به پیکسل با رفرنس زمینی مورد مقایسه قرار می گیرد .
2- مقایسه بصورت نمونه برداری :
این روش در موارد کاربردی و در سطوح وسیع و گسترده که تهیه واقعیت زمینی کامل منطقه غیر ممکن است ، بکار می رود . برای این منظور با استفاده از قطعات نمونه شاهد ( که مانند نمونه های تعلیمی بوده ولی در طبقه بندی وارد نمی شود ) و روشهای آماری ، عمل بررسی دقت صورت می گیرد .
در هر دو حالت فوق از مقایسه پیکسلهای تصویر طبقه بندی شده با تصویر واقعیت زمینی ، جدول اشتباه تکمیل می گردد .
- بررسی جدول اشتباه یا درهمی :
این جدول ، اطلاعات با ارزشی را در مورد کلاسه های شرکت کننده در طبقه بندی در اختیار مفسر قرار می دهد . که با بررسی آن می توان در مورد دقت طبقه بندی بصورت کمی قضاوت نمود . این اطلاعات شامل تعداد کل پیکسلهای شرکت کننده در هر کلاسه ، تعداد پیکسلهایی از هر کلاسه که در کلاسه دیگر وارد شده است و میزان درصد صحت طبقه بندی محاسبه می شود . متداولترین معیار برای تعیین دقت ، دقت کلی می باشد که به شرح زیر محاسبه می شود و در نهایت میزان همخوانی و مطابقت حاصل طبقه بندی با واقعیت زمینی را نشان می هد .
دقت کلی |
═ |
تعداد پیکسلهایی که صحیح طبقه بندی شده اند |
×100 |
مجموع پیکسلهای منطقه |
جمع در طبقه بندی |
کلاس II |
کلاس II |
کلاس I |
|
236 |
73 |
35 |
128 |
کلاس I |
47 |
14 |
20 |
13 |
کلاس II |
171 |
170 |
1 |
0 |
کلاس II |
454 |
256 |
56 |
141 |
جمع در رفرنس |
دقت کلی |
═ |
318 |
×100 |
═ |
%70.04 |
454 |
طبقه بندی برای سه کلاسه شوری به روش حداکثر احتمال و با استفاده از باندهای TM4 , TM3 , cmp234 , cmo457