متن زیر چكیده می باشد، برای دریافت متن كامل مقاله بر روی فایل مقاله كلیك كنید

 
نحوه عمل در اكثر الگوریتمهای طبقه بندی متداول در سنجش از دور، بر اساس ویژگیها و اطلاعات طیفی پیكسلها می باشد. این مساله ضمن نادیده گرفتن مقدار زیادی از اطلاعات فضایی موجود در تصویر با افزایش قدرت تفكیك فضایی در ماهواره ها، باعث افزایش اطلاعات غیر مفید (نویز) و افزایش تشابه طیفی بین طبقات و در نتیجه افزایش واریانس داخلی می شود كه در نهایت منجر به آثار منفی بر دقت طبقه بندی می گردد. به منظور رفع یا كاهش این مشكلات، استفاده توام از اطلاعات طیفی و محیطی می تواند به تفكیك كاربریهایی كه از لحاظ طیفی مشابه می باشند، كمك موثری كند.
در این تحقیق مزایای حاصل از تركیب اطلاعات تراكم حاشیه استخراج شده از طبقه بندی مبتنی بر ویژگیهای طیفی عناصر تصویر با روشهای طبقه بندی حداكثر احتمال، حداقل فاصله از میانگین و مورد ماهالانوبیز بررسی شده است.
این روش برای داده هایی با توان تفكیك مكانی بالا كه حاوی اطلاعات جزیی زیادتری می باشند و همچنین مناطقی با پدیده های متفاوت و دارای تراكمهای حاشیه مختلف می تواند مناسبتر باشد. كارایی استفاده از اطلاعات تراكم حاشیه در بهبود دقت طبقه بندی با داده های چند طیفی ماهواره اسپات و عكس هوایی مربوط به بخشی از منطقه حاشیه تالاب انزلی در استان گیلان كه دارای پدیده های متنوع و كاربریهای مختلف می باشد، ارزیابی شده است. نتایج حاصل نشاندهنده افزیاش دقت كلاسهای اطلاعاتی بویژه با تفكیك پذیری طیفی ضعیف می باشد. روش طبقه بندی ماهالانوبیز در كلاسهای اطلاعاتی مراكز شهری - روستایی (74.60 درصد)، رودخانه و كانال (66.87 درصد) بترتیب با 14.06 و 6.57 درصد افزایش در داده های ماهواره ای و كلاسهای مجتمع درختی و باغات (74.37 درصد)، رودخانه اصلی (59.44 درصد)، كشاورزی (46.38 ) و مناطق مسكونی (68.09 درصد) بترتیب 11.78، 36.61، 28.09 و 53.29 درصد نسبت به طبقه بندی مبتنی بر اطلاعات طیفی پیكسلها در داده های عكس هوایی افزایش دقت را نشان می دهند.