مقایسه روش‌های پیکسل پایه، شیءگرا و پارامترهای تاثیر‌گذار در طبقه‌بندی پوشش/کاربری اراضی استان آذربایجان غربی

طبقه‌بندی یکی از مهم‌ترین روش‌های استخراج اطلاعات از تصاویر رقومی ماهواره‌ای است. در روش‌های معمول پیکسل پایه، طبقه‌بندی براساس ارزش عددی هریک از پیکسل‌ها انجام می‌شود که نتیجه بازتاب عارضه‌های متناظر آن در سطح زمین است. توانایی روش‌های کلاسیک در طبقه‌بندی تصاویر ماهواره‌ای هنگامی که اشیاء متفاوت اطلاعات طیفی مشابهی دارند محدود می‌با‌شد. این امر موجب کاهش صحت روش‌های طبقه‌بندی پیکسل پایه می‌گردد. اما در روش طبقه‌بندی شیءگرا اطلاعات طیفی با اطلاعات مکانی ادغام گردیده و پیکسل‌ها براساس شکل، بافت و تن خاکستری در سطح تصویر با مقیاس مشخص سگمنت‌سازی شده و طبقه‌بندی تصویر براساس این سگمنت‌ها انجام می‌شود. در این تحقیق الگوریتم طبقه‌بندی پیکسل‌پایه حداکثر احتمال و الگوریتم طبقه‌بندی نزدیک‌ترین همسایه شیءگرا در طبقه‌بندی تصاویر سنجنده HDR ماهواره‌ای SPOT 5 مورد مقایسه قرار گرفته است و به‌منظور مقایسه نتایج، نقشه کاربری اراضی استان آذربایجان غربی با هر دو روش طبقه‌بندی تهیه شده است. مقایسه نتایج مربوط به صحت کلی طبقه‌بندی‌ها نشان می‌دهد که روش طبقه‌بندی شیء‌گرا با افزایش دقت معادل 7% در هر دو شاخص صحت کلی و کاپا، در طبقه‌بندی تصاویر ماهواره‌ای از دقت بالاتری برخوردار است. نتایج این تحقیق در استخراج نقشه‌های کاربری اراضی استان آذربایجان‌شرقی و آشکارسازی تغییرات کاربری 30 ساله محدوده بالادست سد ستارخان مورد استفاده قرار گرفت.