نوع مقاله : پژوهشی

نویسندگان

1 هیات علمی

2 استادیار, Almeria, Spain

چکیده

در این پژوهش با هدف پایش و بازشناسی الگوهای فرمیک شبکه آبراهه‌ها در مرکز جزیره قشم از تصاویر پانکروماتیک HR-PR سنجنده GeoEye-1 استفاده شده‌است. در این راستا با بهره‌گیری از الگوریتم‌های FWS ، MSA ، IDF و CFM در نرم افزار MATLAB ناحیه‌بندی فازی صورت گرفته‌است. در ادامه بر اساس ویژگی‌های فازی به ادغام تصاویر ورودی پرداخته و سپس با استفاده از خوشه‌بند‌ی‌ فازی به ناحیه‌بندی تصاویر اقدام گردید. در این رابطه از فرآیند ادغام تصاویر پانکروماتیک و خروجی آن جهت ناحیه‌بندی استفاده شده‌است. در نهایت روش‌های خوشه‌بندی مورد مطالعه که دارای پارامترهای فازی هستند، بر روی تصاویر ورودی اعمال شده و نتایج آن مورد بحث و بررسی قرار گرفته است. نتایج ناحیه‌بندی فازی و مقایسه روش‌های پیشنهادی با یکدیگر نشان می‌دهد که الگوریتم خوشه‌بندی CFM عملکرد بسیار خوبی در تشخیص عوارض و پدیده‌های مکانی و بازشناسی الگوهای فرمیک شبکه آبراهه‌ها دارد و دارای بهترین عملکرد در ناحیه‌بندی این منطقه می‌باشد. نتایج الگوریتم‌های خوشه‌بندی مورد مطالعه، کارایی روش‌های ناحیه‌بندی پیشنهادی را از منظر تشخیص عوارض و پدیده‌های مکانی و استخراج دقیق اطلاعات از تصاویر تایید می‌نمایند.همچنین در ادغام این اطلاعات اعداد فازی نوع نرمال بهترین نوع اعداد جهت استفاده در ناحیه‌بندی منطقه محسوب می‌شود و استفاده از اعداد فازی در حالت کلی می‌تواند ما را به نتایج بهتری در ناحیه‌بندی تصاویر ماهواره‌ای برساند. نتایج این پژوهش می‌تواند در آمایش سرزمین، مدیریت، برنامـه‌ریـزی و توسعه پایدار آتی مدیریت منـاطق مفید واقع شود.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Monitoring of Qeshm Island Drainage Network Formic Patterns Using Fuzzy Segmentation of processed Panchromatic Images (HR-PRS)

نویسندگان [English]

  • heeva elmizadeh 1
  • Hadi Mahdipour 2

1 kmsu-khorramshahr

2 Chief Innovation Office, Sinenta Corp., La Cañada, 04120, Almeria, Spain

چکیده [English]

The purpose of this research is the automatic recognition of morphic patterns of drainage network in the center of Qeshm Island using High Resolution Panchromatic Remotely Sensed (HR-PRS) and fuzzy clustering algorithms. It also investigates the efficiency of these methods in the GeoEye-1 satellite imagery segmentation of the study area in order to detect geomorphic features in areas with cloud and shadow coverage. In this regard, fuzzy segmentation of HR-PRS panchromatic images of the study area, after radiometric and geometric preprocessing using FWS, MSA, IDF and CFM algorithms, was performed in MATLAB software. Finally, the studied fuzzy clustering algorithms with fuzzy parameters are applied to the input HR-PRS images and the results are discussed. The results show that the Classical Fusion Method and FCM (CFM) clustering algorithm has the best performance in the field of fuzzy segmentation and detection of the studied indices. . As a result, the image borders are well defined. The reason for this is the use of fuzzy numbers as well as efficient clustering methods in this method. These results also show that remote sensing technology, by providing multi-time images, can be a very good basis for monitoring and detecting environmental changes, detecting effects and accurately extracting information from images. Also, the use of clustering algorithms and fuzzy features is a suitable and optimal method for integrating HR-PRS satellite image information from a geographical area with the aim of segmentation.

کلیدواژه‌ها [English]

  • Panchromatic Image (HR-PRS)
  • GeoEye-1 Sensor
  • Fuzzy Clustering Algorithms
  • Qeshm Island