مهدی خان محمدیان مقدم - کارشناسی ارشد سنجش از دور
مهدی حسنلو - استادیار دانشکده مهندسی نقشه برداری و اطلاعات مکانی، دانشگاه تهران

الگوریتم هوشمند برای تفکیک پدیده های موضوعی در تصاویر ماهواره ای وجود دارند. یکی از روش های متداول طبقه بندی، مبتنی بر پیکسل است. تصاویر ماهواره ای را به روش های شی پایه نیز می توان طبقه بندی نمود. در این روش ها مجموعه ای از پیکسل ها که پدیده را می سازند، مدنظر قرار می گیرند. به منظور مقایسه قابلیت روش های طبقه بندی پیکسل پایه و شیء پایه در تفکیک عوارض موجود در فرودگاه، تحقیق حاضر در فرودگاه امام خمینی (ره) بر روی داده های سنجنده پانکروماتیک ماهواره QuickBird انجام گرفت. تصاویر ابتدا مورد پردازش های اولیه قرار گرفته اند. سپس عوارض در طبقات مختلف از جمله باند فرودگاه، سطوح آسفالته، فضای سبز، هواپیما، پوشش خاکی و ساختمان تفکیک شده اند. به منظور برآورد میزان صحت و درستی نقشه های حصا از طبقه بندی تصاویر به روش های مختلف، صحت کلی و ضریب کاپا آنها محاسبه شد. به طور کلی در بین فنون شیء پایه به کار گرفته شده برای طبقه بندی در این تحقیق، بنا به ارزیابی مقایسه ای صورت گرفته شده روش طبقه بندی SVM با میزان بالاترین دقت کلی 93/07 و ضریب کاپای 0/91 نسبت به روش SLIC با دقت کلی 92/13 و ضریب کاپای 0/90 برتری نسبی را دارا می باشد.

عارضه مبنا، QuickBird، استخراج هواپیما ، SLIC، SVM