بهبود شناسایی تغییرات در مناطق شهری با انتخاب ویژگی های طیفی و مکانی بهینه مبتنی بر الگوریتم ژنتیک

آنالیز تصاویر چندزمانه سنجش‌از دور، تکنیک کارآمدی برای شناسایی تغییرات کاربری و پوشش اراضی در مناطق شهری می‌باشد. جدا از تکنیک بکار رفته برای شناسایی تغییرات،فضای ویژگی تأثیر بسیار زیادی در صحت نتایج دارد. حصول نتایج رضایت‌بخش در شناسایی تغییرات مناطق شهری، مستلزم بکارگیری ویژگی‏ های طیفی و مکانی (بافت) بهینه می‏ باشد. اگرچه جستجوی سراسری تنها تضمین دست‌یابی به مجموعه ویژگی‌های بهینه است، ولی در عمل فرآیندی بسیار زمانبر و غیرعملی است. در تکنیک‌های کاهش‌بعد همچون تکنیکPCA تنها استقلال آماری داده‌ها برای رسیدن به مؤلفه‌هایی جدید با وابستگی کمتر مدنظر بوده و بهبود صحت شناسایی تغییرات بطور مستقیم دنبال نمی‌شود. تعیین حدآستانه مناسب برای انتخاب ویژگی‌های بهینه در تکنیک تفکیک‌پذیری‌آماری (SAA) با فاصله JM نیز عملاً از کارایی این تکنیک می‌کاهد. تمرکز اصلی مقاله حاضر، انتخاب ویژگی‌های طیفی و بافت بهینه با الگوریتم ژنتیک و طبقه‌بندی‌کننده بیزین می‌باشد. جهت بررسی کارآیی تکنیک پیشنهادی، تغییرات شهر جدید سهند (شمال‌غرب ایران) با بکارگیری تصاویر سنجنده‌های IRS-P6 و Geo-Eye1اخذ شده در 14 جولای 2006 و 1 سپتامبر 2013 مورد بررسی قرار گرفت.تمامی تکنیک‌های مذکور در محیط برنامه‌نویسی MATLABR2013aپیاده‌سازی شدند.نتایج حاصل از این تحقیق نشان داد ویژگی‌های بافت می‌تواند به عنوان منبع اطلاعاتی مکمل، سبب بهبود نتایج شناسایی تغییرات در مناطق شهری شود. انتخاب ویژگی یک فرآیند تأثیرگذار در شناسایی تغییرات مبتنی بر ویژگی‌های طیفی و بافت می‌باشد. هریک از تکنیک‌های انتخاب ویژگی، محدودیت‌ها و مزایای خاص خودشان را داشته ولی در کل بهبود صحت شناسایی تغییرات را بدنبال دارند. مقایسه کارآیی تکنیک‌های انتخاب ویژگی نشان داد، تکنیک پیشنهادی در مقایسه با دو تکنیک متداولPCA 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 39/90%،(در مقایسه با بکارگیری باندهای اصلی تصاویر)،افزایش یافت.