سمانه کرمی - گروه مهندسی الکترونیک دانشکده برق دانشگاه علم و صنعت ایران تهران
شهریار برادران شکوهی - گروه مهندسی الکترونیک دانشکده برق دانشگاه علم و صنعت ایران تهران
مهدی مختارزاده - گروه مهندسی فتوگرامتری و سنجش از دور دانشکده نقشه برداری دانشگاه صنع

در بسیاری از الگوریتم های معرفی شده برای خوشه بندی تصاویر تعداد خوشه ها باید بعنوان یک پارامتر ورودی به الگوریتم معرفی شود دراین مقاله یک روش جدید برای تعیین تعداد بهینه کلاسها و خوشه بندی اتوماتیک تصاویر سنجش از دور با قدرت تفکیک بالا با استفاده از الگوریتم ژنتیک با کروموزوم های با طول متغیر ارائه شده است بهینه سازی با استفاده از یک تابع شایستگی جدید بر مبنای الگوریتم K-Means به علاوه یک پارامتر اضافی به منظور بالا بردن دقت خوشه بندی انجام می گیرد. به منظور افزایش دقت و کارایی الگوریتم پیشنهادی، عملیات خوشه بندی در دو مرحله انجام می شود. در مرحله اول با استفاده از اطلاعات باند مادون قرمز تصویر کلاس آب از بقیه نواحی جدا شده و در مرحله دوم با استفاده از اطلاعات باندهای RGB تعداد خوشه های بهینه برای نواحی خشکی تعیین و خوشه بندی انجام می گردد. سپس با ترکیب نتایج حاصل از دو مرحله کل تصویر خوشه بندی می شود. نتایج حاصل از پیاده سازی این روش برروی 1 دسته داده های شبیه سازی شده با همپوشانی و یک تصویر pan-sharpened ماهواره آیکونوس، با قدرت تفکیک بالا از منطقه لواسان ارائه شده است.

خوشه بندی، K-Means، الگوریتم ژنتیک، تابع شایستگی