طبقه بندی تصویر ماهواره ای با استفاده از روش درختی و الگوریتم فازی

انعطاف پذیری و قابلیت های بالای روش های طبقه بندی باعث شده است تا بعنوان یکی از مهمترین روش های استخراج اطلاعات از تصاویر ماهواره ای، در تولید انواع اطلاعات مکانی مورد استفاده قرار گیرند. طبقه بندی تصاویر یک فرایند تصمیم گیری است که در آن به دنبال تشخیص کلاسی هستیم که پیکسل مورد نظر را با حداکثر اطمینان به آن نسبت دهیم. روش بیشترین شباهت به علت سادگی الگوریتم، هزینه محاسباتی کم و اعتمادپذیری بالا از کاربردی ترین روش های طبقه بندی است. در این روش به علت همپوشانی طیفی ممکن است احتمال محاسبه شده برای چند کلاس نزدیک به هم شود و یا مقدار بزگ ترین احتمال، بسیار کوچک باشد. در چنین حالاتی نمی توان با اطمینان کامل کلاسی را به پیکسل نسبت داد. لذا بمنظور افزایش دقت ، از حد آستانه ای بعنوان کنترل گر استفاده می شود. استفاده از حد آستانه در طبقه بندی، موجب عدم برچسب دهی به برخی پیکسل ها و افزایش دقت و اعتمادپذیری در برچسب دهی به سایر پیکسل ها خواهد شد. در این پایان نامه بمنظور طبقه بندی تمام پیکسل های تصویر و افزایش دقت طبقه بندی دو روش جدید dtml و dtfl در طبقه بندی تصاویر ماهواره ای پیشنهاد می گردد. روش طبقه بندی dtml که روشی نظارت شده ی مبتنی بر پیکسل است طی چند مرحله قادر به طبقه بندی تصاویر خواهد بود. در آغاز عملیات طبقه بندی تصویر با استفاده از روش dtml، هر پیکسل در بالاترین سطح از یک درخت تصمیم گیری قرار می گیرد. روش dtml با انجام یک چرخه تکرار شونده، با تشکیل فرضیه هایی مبنی بر انتقال پیکسل از سطحی به سطح پائین تر و تست صحت این فرضیه ها، شروع به طبقه بندی پیکسل می کند. در این روش تصمیم گیری در مورد انتقال پیکسل به سطح پائین تر مبتنی بر الگوریتم بیشترین شباهت است. شرط توقف چرخه تکرار شونده، رسیدن به انتهای درخت تصمیم گیری (کلاس های خالص) یا رد شدن تمامی فرضیه های انتقال است. در این صورت پیکسل بر اساس سطحی که در آن قرار دارد برچسب ترکیبی از کلاس های از پیش تعریف شده را می پذیرد. روش dtfl نیز یک روش جزء پیکسل نظارت شده ، بر اساس روش درختی و استفاده از الگوریتم فازی است. در آغاز عملیات طبقه بندی تصویر با استفاده از روش dtfl، هر پیکسل در بالاترین سطح از یک درخت تصمیم گیری قرار می گیرد. روش dtfl با انجام یک چرخه تکرار شونده با تشکیل فرضیه هایی مبنی بر انتقال پیکسل از سطحی به سطح پائین تر و تست صحت این فرضیه ها، شروع به طبقه بندی پیکسل می کند. در این روش تصمیم گیری در مورد انتقال پیکسل مبتنی بر منطق فازی است. شرط توقف چرخه تکرار شونده، رسیدن به انتهای درخت تصمیم گیری (کلاس های خالص) یا رد شدن تمامی فرضیه های انتقال است. در این صورت پیکسل بر اساس سطحی که در آن قرار دارد برچسب ترکیبی از کلاس های از پیش تعریف شده را می پذیرد. بمنظور ارزیابی دقت، یک تصویر شبیه سازی شده و تصویر ماهواره geoeye قسمتی از استادیوم آزادی تهران با استفاده از روش های dtml و dtfl پیشنهادی طبقه بندی و نتایج آن با طبقه بندی کننده ی بیشترین شباهت مقایسه شد. توابع عضویت فازی مثلثی شکل، ذوزنقه ای شکل، ? شکل، زنگی شکل، گوسین ، s شکل تفاضلی و s شکل ضربی، همچنین یک تابع عضویت فازی بر اساس قانون بیز 8 تابع عضویت و قوانین تصمیم گیری کمینه، بیشینه، ضربی، جمعی، جمعی توان دوم، میانگین ریاضی، میانگین هندسی، میانگین هارمونیک، کمینه/بیشینه ، میانگین ریاضیکمینه/بیشینه× ، میانگین هندسیکمینه/بیشینه× و میانگین هارمونیککمینه/بیشینه× ، 12 قانون تصمیم گیری مورد استفاده در روش طبقه بندی dtfl بود. روش dtml در طبقه بندی تصویر شبیه سازی شده به دقت کلی 95.51 درصد و به مقدار کاپای 94.05 درصد و روش dtfl در بالاترین دقت، با استفاده از تابع عضویت گوسین و قانون تصمیم گیری میانگین هندسی، به دقت کلی 96.13 درصد و مقدار کاپای 94.84 درصد دست یافتند که در مقایسه با دقت کلی 94.94 درصد و مقدار کاپای 93.25 درصد حاصل از روش بیشترین شباهت نتایج بهتری را تولید کرده اند. در صورت آستانه گذاری در روش بیشترین شباهت، جهت رسیدن به دقتی مشابه دقت روش های dtml و dtfl به ترتیب 0.84 و 1.86 درصد از پیکسل ها برچسب طبقه بندی نشده می گیرند. روش dtml در طبقه بندی تصویر منطقه مطالعاتی نیز به دقت کلی 91.27 درصد و مقدار کاپای 91.16 درصد و روش dtfl در بهترین دقت با استفاده از تابع عضویت مثلثی شکل و قانون تصمیم گیری میانگین هارمونیک، به دقت کلی 96.14 و مقدار کاپای 96.06 درصد دست یافتند. در مقایسه با طبقه بندی بیشترین شباهت که به دقت کلی 89.91 درصد و مقدار کاپای 89.77 درصد رسیده بود، روش های dtml و dtfl به دقت های بهتری دست یافته اند. اگر هدف افزایش دقت طبقه بندی روش بیشترین شباهت از طریق آستانه گذاری باشد، در صورت رسیدن به دقت هایی مشابه دقت روش های dtml و dtfl به ترتیب 2.76 و 8.73 درصد از پیکسل ها در طی فرایند آستانه گذاری از دست می رود. بنابر نتایج بدست آمده از طبقه بندی تصویر شیبه سازی شده و تصویر ماهواره ای، طبقه بندی تصویر ماهواره ای با استفاده از روش درختی و الگوریتم فازی (روش dtfl پیشنهادی) دقت کلی و مقدار کاپای بالاتری را تولید می کند و اعتماد کاربران نهایی به نتایج حاصل از این روش بیشتر خواهد بود.