مقایسه کارآیی توابع کرنل ماشین بردار پشتیبان پیکسل پایه و عملگرهای فازی شئ گرا در پایش تغییرات رشد و گسترش شهری تبریز

در این پژوهش کارآیی توابع کرنل ماشین­بردار پشتیبان پیکسل­پایه و عملگرهای فازی شئ­گرا در پایش تغییرات رشد و گسترش شهری کلانشهر تبریز مورد مقایسه قرار گرفتند. برای این منظور از باندهای دارای قدرت تفکیک مکانی 10 متر ماهواره سنتینل 2 شامل باندهای 2، 3، 4 و 8 استفاده گردید. بر اساس نتایج این تحقیق با استفاده از تصاویر چند طیفی دارای قدرت تفکیک 10 متری ماهواره سنتینل 2، امکان تولید نقشه پایش تغییرات رشد و گسترش شهری تبریز با استفاده از توابع کرنل ماشین­بردار پشتیبان پیکسل­پایه و عملگرهای فازی شئ­گرا با دقت قابل قبول وجود دارد. بر اساس نتایج این پژوهش، از بین کلیه الگوریتم­های استفاده شده در این پژوهش، عملگر فازی AND که بیانگر اشتراک منطقی و شامل کمترین مقدار ارزش بازگشتی از ارزش­های فازی می­باشد با دقت کلی 49/96 درصد و ضریب کاپای 9688/0 برای تصویر طبقه بندی شده سال 1394 و دقت کلی 31/97 درصد و ضریب کاپای 9725/0 برای تصویر طبقه­بندی شده سال 1403، مقدار دقت بیشتری را ارائه نمودند. لذا با توجه به دقت بیشتر عملگرهای فازی شئ­گرا در این پژوهش، می­توان ابراز نمود که الگوریتم­های پردازش شئ­گرای تصاویر ماهواره­ای در طبقه­بندی تصاویر رقومی ماهواره­ای به این دلیل که علاوه بر اطّلاعات طیفی از اطّلاعات مربوط به شکل، بافت، موقعیت، محتوا و ویژگی­های هندسی نیز در روند طبقه­بندی استفاده می­نمایند در مقایسه با الگوریتم­های ماشین­بردار پشتیبان، دست­یابی به دقّت بالاتر را در استخراج محدوده شهری کلانشهر تبریز امکان­پذیر می­سازند. یکی از مهم­ترین دلایل دست­یابی به دقت بالاتر در روش­های شئ­گرا، بررسی درجه عضویت پارامترهای موثر در طبقه­بندی و استفاده از پارامترهایی می­باشد که بیشترین مقدار درجه عضویت را دارند. در همین راستا با توجه به ناهمگونی محیط شهری و وجود پیچیدگی در محیط فیزیکی شهری، در روش­های پیکسل­پایه باعث اختلاط طیفی می­گردد اما در روش­های شئ­گرا به دلیل استفاده همزمان از پارامترهای طیفی و غیرطیفی، امکان دسترسی به دقت بیشتر فراهم می­باشد.

رشد شهری به عنوان یک عامل تعیین کننده رفاه اجتماعی و پایداری محیطی، بسیار حیاتی به شمار می­آید. در سا­ل های اخیر داده­های سنجش از دور به دلیل داشتن پوشش فضایی مناسب برای مناطق شهری، به عنوان ابزاری منحصر به فرد برای تعیین اندازه گسترش شهری و نظارت بر رشد شهری مورد استفاده قرار گرفته است. هدف از پژوهش حاضر، مقایسه­ کارآیی توابع کرنل ماشین­بردار پشتیبان پیکسل­پایه و عملگرهای فازی شئ­گرا در پایش تغییرات رشد شهری تبریز با استفاده از تصاویر سری زمانی سال­های 1394 و 1403 ماهواره سنتینل 2 می­باشد. در این راستا، جهت طبقه­بندی هر تصویر بر اساس توابع کرنل ماشین­بردار پشتیبان پیکسل­پایه، در نرم­افزار ENVI با استفاده از کرنل­های خطی، چندجمله­ای، پایه شعاعی و سیگموئید، فرایند طبقه­بندی تصاویر انجام شد و نقشه رشد شهری هر کدام از توابع برای سال­های مورد مطالعه تولید شد. از نرم­افزار ایکاگنیشن جهت قطعه­بندی و طبقه­بندی مبتنی بر عملگر­های فازی شئ­گرا استفاده گردید. در این مرحله اقدام به قطعه­بندی بر اساس مقیاس­ها، ضریب شکل­ها و ضریب فشردگی­های مختلف جهت رسیدن به حالت قطعه­بندی بهینه گردید. سپس، نقاط تعلیماتی مشخص گردیدند و با استفاده از عملگر­های فازی AND، OR، MGE، MAR، MGWE و ALP طبقه­بندی انجام گردید. با استفاده از نقاط نمونه واقعیت زمینی، ارزیابی دقت برای کلیه نقشه­های تولیدی انجام شد. بر اساس نتایج این پژوهش، عملگر فازی AND با دقت کلی 49/96 درصد و ضریب کاپای 9688/0 برای تصویر طبقه­بندی شده سال 1394 و دقت کلی 31/97 درصد و ضریب کاپای 9725/0 برای تصویر طبقه­بندی شده سال 1403، مقدار دقت بیشتری را ارائه نمودند. لذا با توجه به دقت بیشتر عملگرهای فازی شئ­گرا در این پژوهش، می­توان ابراز نمود که الگوریتم­های پردازش شئ­گرای تصاویر ماهواره­ای در طبقه­بندی تصاویر رقومی ماهواره­ای در مقایسه با الگوریتم­های ماشین­بردار پشتیبان، دست­یابی به دقّت بالاتر را در استخراج محدوده شهری کلانشهر تبریز امکان­پذیر می­س

کلمات کلیدی: ماشین بردار پشتیبان، پردازش شئ­گرای تصاویر ماهواره­ای، فازی، سنتیل2، تبریز