قطعه‌بندی رسوبات بستر رودخانه‌ای بر مبنای اصول پردازش تصویر با استفاده از داده‌های اکوساندر چند‌پرتویی

امروزه استفاده از تجهیزات صوتی پیشرفته مانند اکوساندرهای چند‌پرتویی (MBES) در بسیاری از عملیات زیرآبی و برداشت اطلاعات از آرایش بستر، بطور چشمگیری گسترش یافته‌است. این ابزار قادر به اندازه‌گیری همزمان عمق و شدت موج برگشتی (BS) از بستر آبها با پوشش کامل می‌باشد. کلاسه‌بندی رسوبات بستر با استفاده از وابستگی زاویه‌ای مقادیر BS، از مهمترین کاربردهای این نوع داده است. از آنجا که تابع توزیع احتمال مقادیر BS وابسته به زوایه فرودی است، پیش از این برای شناسایی صحیح رسوبات و کلاسه‌بندی آنها، داده‌های هر زاویه بطور جداگانه بکار گرفته می‌شدند. در این مقاله الگوریتمی ارائه می‌گردد که قادر است پس از اعمال تکنیک گشتاورهای مرتبه بالا برای نرمالسازی اثر وابستگی زاویه‌ای داده‌ها، از تمامی زوایا بطور یکجا برای کلاسه‌بندی رسوبات بستر رودخانه استفاده نماید. هدف اصلی این روش، تهیه تصویر از داده‌های حجیم MBES است که از بستر رودخانه کم‌عمق وال هلند جمع‌آوری شده‌اند. در اینجا روش کریجینگ بعنوان روشی مطلوب برای ساختاردهی اولیه و درونیابی مقادیر BS انتخاب و برای بهبود کیفیت بصری تصاویر تشکیل‌شده، برخی از روش‌های پردازش تصویری اعمال می‌شوند تا بافت بستر با وضوح بیشتری آشکار گردد. در نهایت مشاهده می‌گردد که تبدیل آبخیز به همراه عملیات مورفولوژیکال برای قطعه‌بندی این تصاویر، نتایج قابل‌قبولی را در مقایسه با واقعیت زمینی آنها (ضریب همبستگی در حدود 63%) ارائه می‌کند. این امر حاکی از موفقیت این الگوریتم در شناسایی رسوبات بستر رودخانه با ورود به حوزه سنجش از دور است، هرچند تقریب‌گیری‌های فراوان و آستانه‌گذاری‌های تجربی در طول اجرای آن بکار رفته است.