بهبود شناسایی تغییرات در مناطق شهری با انتخاب ویژگیهای طیفی ومکانی بهینه مبتنی بر الگوریتم ژنتیک

آنالیز تصاویر چندزمانه سنجش از دور، تکنیک کارآمدی برای شناسایی تغییرات کاربری و پوشش اراضی در مناطق شهری می باشد. جدا از تکنیک بکار رفته برای شناسایی تغییرات،فضای ویژگی تأثیر بسیار زیادی در صحت نتایج دارد. حصولنتایج رضایت بخش در شناسایی تغییرات مناطق شهری، مستلزم بکارگیری ویژگی های طیفی و مکانی )بافت( بهینه م یباشد. اگرچه جستجوی سراسری تنها تضمین دس تیابی به مجموعه ویژگی های بهینه است، ولی در عمل فرآیندی بسیار زمانبر و غیرعملی است. در تکنیک های کاه شبعد همچون تکنیک PCA تنها استقلال آماری داده ها برای رسیدن به مؤلف ههایی جدید باوابستگی کمتر مدنظر بوده و بهبود صحت شناسایی تغییرات بطور مستقیم دنبال نم یشود. تعیین حدآستانه مناسب برای انتخاب ویژگی های بهینه در تکنیک تفکی کپذیر یآماری ) SAA ( با فاصله JM نیز عملاً از کارایی این تکنیک م یکاهد. تمرکز اصلیمقاله حاضر، انتخاب ویژگی های طیفی و بافت بهینه با الگوریتم ژنتیک و طبقه بند یکننده بیزین م یباشد. جهت بررسی کارآیی تکنیک پیشنهادی، تغییرات شهر جدید سهند )شما لغرب ایران( با بکارگیری تصاویر سنجنده های IRS-P6 و Geo-Eye1 اخذ شده در 14 جولای 2006 و 1 سپتامبر 2013 مورد بررسی قرار گرفت.تمامی تکنیک های مذکور در محیط برنام هنویسی MATLABR2013a پیاده سازی شدند.نتایج حاصل از این تحقیق نشان داد ویژگی های بافت می تواند به عنوان منبع اطلاعاتیمکمل، سبب بهبود نتایج شناسایی تغییرات در مناطق شهری شود. انتخاب ویژگی یک فرآیند تأثیرگذار در شناسایی تغییرات مبتنی بر ویژگی های طیفی و بافت می باشد. هریک از تکنیک های انتخاب ویژگی، محدودیت ها و مزایای خاص خودشان راداشته ولی در کل بهبود صحت شناسایی تغییرات را بدنبال دارند. مقایسه کارآیی تکنیک های انتخاب ویژگی نشان داد، تکنیک پیشنهادی در مقایسه با دو تکنیک متداول PCA و SAA )که نتایج مشابهی داشتند( از کارآیی و صحت بالاتری برخوردار است. با بکارگیری روش پیشنهادی، ضریب کاپا و صحت کلی نقشه تغییرات به ترتیب از 66 / 53 % به 49 / 88 % و از 94 / 58 % به %90/39 ،)در مقایسه با بکارگیری باندهای اصلی تصاویر(،افزایش یافت.

کلیدواژه ها:

شناسایی تغییرات ، تصاویر سنجش از دور ، ویژگی های مکانی )بافت( ، الگوریتم ژنتیک ، تحلیل مؤلفه های اصلی ، فاصله .JM