خوشه بندی سلسله مراتبی تصاویر سنجش از دور با استفاده از تلفیق الگوریتم ژنتیک و آنالیز کلاسه بندی K-Means

در بسیاری از الگوریتم های معرفی شده برای خوشه بندی تصاویر تعداد خوشه ها باید بعنوان یک پارامتر ورودی به الگوریتم معرفی شود دراین مقاله یک روش جدید برای تعیین تعداد بهینه کلاسها و خوشه بندی اتوماتیک تصاویر سنجش از دور با قدرت تفکیک بالا با استفاده از الگوریتم ژنتیک با کروموزوم های با طول متغیر ارائه شده است بهینه سازی با استفاده از یک تابع شایستگی جدید بر مبنای الگوریتم K-Means به علاوه یک پارامتر اضافی به منظور بالا بردن دقت خوشه بندی انجام می گیرد. به منظور افزایش دقت و کارایی الگوریتم پیشنهادی، عملیات خوشه بندی در دو مرحله انجام می شود. در مرحله اول با استفاده از اطلاعات باند مادون قرمز تصویر کلاس آب از بقیه نواحی جدا شده و در مرحله دوم با استفاده از اطلاعات باندهای RGB تعداد خوشه های بهینه برای نواحی خشکی تعیین و خوشه بندی انجام می گردد. سپس با ترکیب نتایج حاصل از دو مرحله کل تصویر خوشه بندی می شود. نتایج حاصل از پیاده سازی این روش برروی 1 دسته داده های شبیه سازی شده با همپوشانی و یک تصویر pan-sharpened ماهواره آیکونوس، با قدرت تفکیک بالا از منطقه لواسان ارائه شده است.

کلیدواژه ها:

خوشه بندی ، K-Means ، الگوریتم ژنتیک ، تابع شایستگی