تاثیراستفاده از اطلاعات همسایگی مکانی در دقت خوشه بندی تصاویرماهواره ای

تا کنون برای بهبود دقت روش های خوشه بندی پیشنهادات متعددی ارایه شده است که از آن جمله می توان به استفاده از روش های ‏نیمه نظارت شده، ترکیب خوشه بندی ها و خوشه بندی دوگانه اشاره نمود. ‏یکی از مهمترین رویکردها در این زمینه استفاده از اطلاعات مکانی تصویر می باشد. در این تحقیق چهار روش خوشه بندی که از اطلاعات مکانی سطح تصویر استفاده می-کنند با یکدیگر مقایسه گردید. این چهار روش شامل اعمال فیلتر اکثریت، استفاده از داده های بافت، خوشه بندی مبتنی بر شیء، و استفاده از میدان های تصادفی مارکوف می باشند که در کنار روش خوشه بندی k-means ساده روی چهار نمونه تصویر آزمایش شدند. استفاده از داده های بافت برای تصاویر واقعی تا 10.8 درصد و روش میدان های تصادفی مارکوف برای تصاویر شبیه سازی شده با 22.8 درصد بیشترین افزایش دقت را نسبت به خوشه بندی k-means نشان داده اند. نتایج این پژوهش نشان می دهند که استفاده از خوشه بندی k-means در شکل ساده اش به هیچ وجه همه توانایی اطلاعاتی تصویر را به کار نمی گیرد و نتایج و انتظارات کاربر را برآورده نخواهد کرد و استفاده از اطلاعات همسایگی یکی از بهترین راهکارهای افزایش دقت می باشد.