پیاده سازی و ارزیابی الگوریتم های جداسازی طیفی ئر تصاویر فراطیفی برای شناسایی عناصر تشکیل دهنده خاک

سنجش از دور فراطیفی یک ابزار توانمند برای کشف، شناسایی و تهیه‏ی نقشه از پدیده‏ها و مواد رویه‏ی طبیعی زمین است. این فن آوری کاربردهای گوناگونی در اکتشاف مواد معدنی، پایش محیط زیست و کشاورزی دقیق دارد. با وجود توانمندی قابل توجه داده‎های فراطیفی، به دلیل توان تفکیک مکانی پایین سنجنده ها یا به علت حضور مواد متعدد در میدان دید لحظه‎ای (پیکسل زمینی)، طیف اندازه گیری شده ترکیبی از چند پدیده خواهد بود. جداسازی طیفی، روشی است که این پیکسل‎های مختلط را به مشخصه طیفی اعضای خالص و فراوانی آنها تجزیه می کند. جداسازی طیفی امکان برآورد خرد پیکسلی یا طبقه‎بندی نرم عناصر تشکیل دهنده سطح زمین را فراهم می آورد. ماهیت مدل اختلاط اهمیت فراوانی در فرآیند جداسازی طیفی دارد. در کاربردهای طیف‎نگاری و سنجش از دوری معمولاً دو نوع مدل اختلاط طیفی در نظرگرفته می‏شود. در مدل خطی فرض می‏شود که پرتوهای بازتاب شده از پدیده های حاضر در یک پیکسل، کنش و اندرکنش مستقیم با هم نداشته‎اند و انرژی رسیده به سنجنده ترکیب خطی انرژیهای بازتابی از هر پدیده خاص است. مدل دیگر غیر خطی است. در آن پرتوها رسیده به سنجنده حاصل بازتابهای چندگانه و تداخل‎های چندگانه بین مواد است. در کاربردهای سنجش از دوری، معمولاً مدل خطی با دقت قابل قبولی جوابگوست. در این پژوهش به منظور تهیه نقشه‎ی دقیق از مواد مختلف و به خصوص نقشه انواع خاک از تصاویر فراطیفی، الگوریتمی بر اساس سه مرحله کاهش باند، استخراج اعضای خالص و برآورد فراوانی ارائه و ارزیابی شد. برای استخراج اعضای خالص تصویر باید تعداد عناصر خالص موجود در صحنه مشخص شود. برای این کار سه روش متداول hysim، hfc وnwhfc بر روی داده های واقعی پیاده‎سازی و مورد ارزیابی قرار گرفت و بهترین روش برای داده های مختلف تعیین شد. از بین روشهای هندسی استخراج اعضای خالص، روشهای mvc-nmf، vca، n-finder، fppi و mvsa مورد بررسی قرار گرفتند. الگوریتم های vca،n-finder و fppi جزو الگوریتمهای هندسی استخراج اعضای خالصی هستند که از شرط وجود پیکسل خالص برای استخراج مشخصه های طیفی اعضای خالص استفاده می کنند و الگوریتم های mvsa و mvc-nmf از شرط حجم کمینه برای چندضلعی محیط بر داده بهره می برند. برای ارزیابی دقیق روش‎های استخراج اعضای خالص داده های شبیه سازی شده با مشخصات مختلف تولید شده و نتایج این روش‎ها مورد مطالعه قرار گرفت. سپس این روش ها از نظر میزان نوفه در داده و زمان پردازش و دیگر پارامترها روی داده های مختلف مورد ارزیابی قرار گرفته و نقاط ضعف و قوت هر روش مشخص شد. داده های واقعی به کار گرفته شده برای این تحقیق ، داده های فراطیفی سنجنده aviris منطقه cuprite و داده فراطیفی hyperion مربوط به منطقه حومه شهر اصفهان بود. برای ارزیابی دقیق نتایج جداسازی طیفی، با بازدید میدانی، نمونه برداری زمینی انجام شد. سپس برای شناسایی مواد تشکیل دهنده سطح زمینی روی نمونه ها آزمایش xrd انجام گرفت. نتایج ارزیابی‎ها نشان داد که روشهای مبتنی بر قید کمترین حجم دقیق‏تر از روشهای مبتنی بر فرض وجود پیکسل خالص عمل می‎کنند. به طوری که این الگوریتم ها به نویز و پیکسل های بد کمتر حساس هستند. به علاوه به علت استفاده از قید کمترین حجم کمتر در دام کمینه های محلی می افتند. ولی مشکلی اصلی آنها محاسبات نسبتاً زیاد است که ممکن است با افزایش تعداد پیکسل تصویر یا تعداد عناصر خالص سرعت همگرایی آنها به شدت افت کند. بر اساس این تحقیق الگوریتم استخراج اعضای خالص مبتنی بر قید کمترین حجم mvc-nmf به عنوان بهینه‎ترین روش انتخاب شده و کارایی این الگوریتم در جداسازی داده های فراطیفی hyperion به اثبات رسید.