روش های طبقه بندی تصاویر ماهواره ای

با روش های طبقه بندی تصاویر ماهواره ای آشنایی دارید؟ میدانید که طبقه بندی یکی از مهم ترین مراحل پردازش تصاویر ماهواره ای می باشد. اما قبل از اینکه انواع روش های طبقه بندی را عنوان کنیم در ارتباط با طبقه بندی مطالبی ارایه شده است.

طبقه بندی تصاویر ماهواره ای چیست؟

اختصاص پیکسل های با مقادیر DN یکسان و یا رفتار طیفی یکسان به کلاس هایی خاص را طبقه بندی گویند. نتیجه طبقه بندی ایجاد تصاویر است که هر بخش آن پوشش خاصی از سطح زمین را ارایه می کند. برای نمونه کلاس آب، کلاس پوشش گیاهی، کلاس مناطق شهری و … می باشد.

روش های طبقه بندی تصاویر ماهواره ای

• طبقه بندی نظارت نشده
• طبقه بندی نظارت شده
• طبقه بندی شی گرا

طبقه بندی نظارت نشده

در طبقه بندی نظارت نشده کاربر بحز تعیین تعداد کلاس دخالتی در فرایند طبقه بندی ندارد. در این حالت به عنوان خروجی در نظر گرفته نشده است و بیشتر برای شناخت منطقه و شناسایی کلاس های ممکن برای طبقه بندی نظارت شده است. این روش ساده و بدون دخالت کاربر یعنی نمونه برداری است. در این روش بر اساس میزان و مقدادیر پیکسل ها و روایط ریاضیاتی بین آنها ابتدا خوشه بندی صورت گرفته و سپس هر خوشه به کلاس هایی تعمیم داده می شود.

از جمله مشهورترین روش های نظارت نشده که در بسیاری از نرم افزار مورد استفاده قرار می گیرد:

K-means
ISODATA

طبقه بندی نظارت شده

یکی از متداول ترین روش های طبقه بندی طبقه بندی نظارت شده می باشد. در این روش کاربر نظارت کامل بر فرایند کاری داشته است. این روش میتواند خیلی تحت تاثیر توانایی کاربر باشد. با این وجود روش های مختلفی برای آن توسعه پیدا کرده است. در این روش کاربر ابتدا نمونه هایی برداشت کرده که خود برداشت این نمونه ها باید از پیکسل های خالص با توزیع، تعداد و پراکنش یکسان باشد. سپس بعد از برداشت نمونه ها، به نرم افزار کلاس بندی های خود را مشخص می کنیم.

در طبقه بندی نظارت شده برای هر کلاس باید نمونه های مجزا برداشت شود. سپس نمونه ها به نرم افزار معرفی و بر اساس رفتار طیفی یا امضاء طیفی این نمونه ها طبقه بندی صورت می گیرد. روش های مختلفی برای طبقه بندی نظارت شده ارایه شده است که در زیر لیستی از آن ارایه شده است.

روش های طبقه بندی نظارت شده

• طبقه بندی حداکثر احتمال (Maximum likelihood)
• حداقل فاصله (Minimum-distance)
• روش شبکه عصبی (neural network)
• روش ماشین بردار (Support vector machine)
• روش parallelepiped
• روش Principal components

در ارتباط با طبقه بندی در نرم افزار ENVI میتوانید محصول آموزشی آموزش جامع طبقه بندی در نرم افزار ENVI را مشاهده بفرمایید که به صورت رایگان ارایه شده است.

طبقه بندی شی گرا (OBIA)

با ظهور تصاویر با رزولوشن های بالا این روش ها نیز متداول شد. اما شاید بپرسید روش های شی گرا چه ربطی به تصاویر را رزولوشن بالا دارد؟ یعنی برای تصاویر با رزولوشن پایین نمیشود؟ ظهور تصاویر با رزولوشن بالا بیشتر برای مناطق شهری بود اما بعد ها برای سایر مناطق نیز توسعه پیدا کرده است. در مناطق شهری تعداد کلاس های خیلی بالا بوده و عملا از روی میزان طیف نمیتوان عوارض مختلف را شناسایی کرد (تعداد باند تصاویر با رزولوشن بالا کم است).

به عبارت دیگر در مناطق شهری و تصاویر با رزولوشن های بالا تعداد عوارض یا endmember خیلی زیاد بوده و جداسازی عوارض مختلف را دشوار کرده است. لذا به این فکر افتادن که از روش بافت، شکل، و سایر ویژگی های تصویر عوارض مختلف را شناسایی کنند، لذا طبقه بندی شی گرا ظهور پیدا کرد. خروجی این نوع طبقه بندی پیکسل نیست و به دنبال اشیاء خاص بر روی تصاویر است. برای نمونه دنبال شکل عوارض است. برای نمونه شناسایی ساختمان های مناطق شهری.

عواملی که در طبقه بندی شی گرا مورد استفاده قرار می گیرد:

شکل
بافت
طول موج
اندازه های هندسی

از کدام یک از روش های طبقه بندی تصاویر ماهواره ای استفاده کنیم؟

پاسخ به این سوال دشوار است اما به صورت کلی موارد زیر را در نظر داشته باشید:

طبقه بندی نظارت نشده به هیچ عنوان به عنوان خروجی در نظر نگرفته شده است. این روش فقط برای شناخت کلی منطقه مورد استفاده قرار می گیرد.

طبقه بندی نظارت شده بیشتر برای تصاویر با رزولوشن متوسط و پایین مانند لندست ، سنتینل مورد استفاده قرار می گیرد.

طبقه بندی شی گرا نیز برای تصاویر با رزولوشن بالا مانند تصاویر Ikonos مورد استفاده قرار می گیرد.