بهبود شناسایی تغییرات زمین های زیر کشت با تاکید بر استفاده از تصویر هم مرجع شده چندزمانه و روش ترکیب رنگی

در این تحقیق تعیین روال مناسب جهت شناسایی تغییرات زمینهای زیر کشت و برآورد درصد آن تغییرات در یک منطقه نیمه شهری با تکیه بر الگوریتم های شبکه عصبی و SVM بصورت نظارت شده مورد بررسی قرار گرفته است. برای این منظور از تصاویر چندزمانه سنجنده های Landsat استفاده شده است. در واقع در این روش برخلاف روشهای رایج، برای شناسایی تغییرات از مقایسه تصاویر استفاده نشده است بلکه هدف کشف تغییرات با استفاده توام از روش ترکیب رنگی و الگوریتم های طبقه­بندی می­باشد. ایده اصلی به این طریق است که با استفاده از دو تصویر، یک تصویر هم مرجع شده چندزمانه تهیه و سپس با استفاده توام از روش ترکیب رنگی جمعی(ترکیب کردن لایه های رنگی تصاویر) و روشهای تشخیص الگو و اعمال آنها بر روی تک تصویر هم مرجع شده بدست آمده، نواحی مناطق تغییر یافته و تغییر نیافته ایجاد و درنهایت با انتخاب نمونه های آموزشی فقط از یک تصویر، الگوریتم بر روی تصویر تلفیقی اعمال و نقشه تغییرات نهایی بدست آمده است. نتایج حاصل شده حاکی از آن است که این روش از جهت کاهش نمونه های آموزشی، افزایش دقت (تقریبا 3 درصد) و سرعت عمل شناسایی تغییرات بر روشهای معمول که از مقایسه دو تصویر چندزمانه با هم استفاده می­کنند برتری دارد.