ارزیابی روشهای طبقه بندی تصویر بر عملکرد الگوریتم STARFM

چکیده مقاله

امروزه به کارگیری تصاویر ماهوارهای به عنوان ابزاری مناسب جهت پایش پدیدههای مختلف مبدل گشته است. با این وجود، ماهوارههایی که تصاویر آنها به صورت روزانه در دسترس هستند، دارای قدرت تفکیک مکانی پایینی هستند. از این رو نمیتوان پدیدهای روزانه را با دقت مکانی مناسب مورد پایش قرار داد. اما در سالهای اخیر توسعهی الگوریتمهای ادغام زمانی مکانی تصاویر ماهوارهای این امکان را - فراهم آورده است. الگوریتم STARFM از جمله معروفترین الگوریتمهای ادغام زمانی مکانی است. - طبقهبندی مناسب تصویر از جمله مهمترین گامهای اولیه الگوریتمهای مذکور است. از این رو در این تحقیق، دقت روشهای مختلف طبقهبندی تصویر بر عملکرد الگوریتم STARFM ، در ادغام تصاویر لندست و مدیس، مورد بررسی قرار گرفته است. نتایج به دست آمده حاکی از آن است که دقت مراحل پیشپردازش و دیگر خطاها به طور مستقیم بر نتایج الگوریتم مذکور تاثیرگذر بوده و هر چه ناحیهی مورد بررسی هموژنتر باشد دقت نهایی افزایش خواهد یافت . همچنین عامل یکنواختی و هموژنی بسیار بیشتر از دقت روشهای طبقهبندی تصویر، تاثیر گذار است و در نواحی غیر یکنواخت، افزایش ضریب کاپا، لزوما دقت الگوریتم مذکور را بهبود نخواهد بخشید. بعلاوه، دیگر عوامل خطا )مانند یکسان نبودن محدودهی طیفی( باعث تاثیرات چشمگیری در نتایج خواهند شد.

دریافت لینک دانلود مقاله