معرفی و مقایسه ای بین چند برنامه قطعه بندی در داده هایی باقدرت تفکیک مکانی بالای سنجش ازدوری

روش اولیه و متداول استخراج اطلاعات از داده­های سنجش ازدور، طبقه­بندی پیکسل پایه بوده که برای تصاویر باقدرت تفکیک مکانی متوسط طراحی شده است. با توسعه داده­های سنجش ازدور و ایجاد تصاویر با توان تفکیک مکانی بالا مشکلاتی را در استفاده از پیکسل پایه به وجود آورده است. روش شی پایه تغییرات طیفی درون طبقه­ای را کاهش داده و به دلیل لحاظ کردن همزمان ویژگی های طیفی و هندسی بهتر عمل کرده است. مرحله اول این روش، قطعه بندی است که هدف ایجاد پدیده­های مجزای اولیه و ناحیه های همگن از تصاویر سنجش ازدوری است قطعه بندی تصویر یک مرحله قیل از طبقه بندی است که تأثیر مهمی در نتایج آن دارد بدین صورت کیفیت قطعات حاصل از این مرحله باید ارزیابی شوند. روش های خاصی برای ارزیابی کیفیت و کمیت قطعات حاصل از مرحله قطعه بندی وجود دارد. کیفیت ارزیابی نتایج قطعه بندی اهمیت خاصی در مرحله انتخاب پارامترها دارد. فاکتور مهم در زمینه استفاده از تکنیک­های قطعه­بندی کیفیت قطعه بندی است؛ بنابراین در وهله اول باید یک دید کلی در مورد نرم افزارهای قطعه­بندی داشته باشیم. برای این کار از چهار باند تصاویری باقدرت تفکیک مکانی بالا ultracam-d استفاده شده است. کمیت قطعات حاصل از قطعه بندی با شاخص ارزیابی کمیت afi مورد بررسی قرا گرفت. با مشاهده بصری از روند کاری نرم افزارهای قطعه بندی (spring5، ecognition8.7، envi5، saga2.1) و ارزیابی کمی قطعات تولیدی نتایج نشان دادند که نرم افزار قطعه­بندی spring5 و ecognition8.7 به دلیل استفاده از پارامترهای مختلف مثل مقیاس در مرحله قطعه بندی در جداسازی پدیده­های منطقه بهتر عمل کرده­اند. برای نتیجه گیری بهتر باید درجاهای مختلف و روی تصاویر مختلف باقدرت تفکیک مکانی بالا و با شاخص های مختلف قطعه بندی امتحان شود چون روش­های مختلف زیادی برای قطعه بندی وجود دارد که کارایی هرکدام از آن ها بستگی به کیفیت قطعه­بندی و مقیاس موردنظر دارد.