ارزیابی عملکرد تبدیل‌ آنالیز مؤلفه‌های اصلی، مستقل و کسر حداقل نویز در بهبود صحت استخراج اطلاعات از داده‌های ماهواره‌ی سنتینل-2

نوع مقاله : مقاله پژوهشی

نویسندگان

1 هیئت علمی دانشگاه محقق اردبیلی

2 کارشناسی ارشد سنجش از دور وسیستم اطلاعات جغرافیایی، دانشگاه خوارزمی

3 دانشکده ادبیات دانشگاه محقق اردبیل

چکیده

با توجه به ماهیت همبسته تصاویر سنجش از دوری، استفاده از انواع تبدیلات جهت بهبود صحت استخراج اطلاعات از این تصاویر امری ضروری است. در این ‌بین انتخاب تبدیل بهینه‌ اهمیت بالایی داشته و نتایج خروجی را تحت تأثیر قرار خواهد داد. برای این منظور تصویری از ماهواره‌ی سنتینل-2 برای شهرستان رضوانشهر در تاریخ 30/06/2017 انتخاب و بعد از اعمال پیش پردازش‌های لازم، باندهای تصویر با یکدیگر به روش گرام اشمیت ادغام گردیدند. تبدیل‌ آنالیز مؤلفه‌های اصلی، آنالیز مؤلفه‌های مستقل و کسر حداقل نویز بر روی تصاویر اعمال و خروجی هرکدام جهت ارزیابی با استفاده از الگوریتم حداکثر احتمال طبقه‌بندی گردید. در ادامه به منظور یافتن ترکیب بهینه از مجموع مؤلفه‌های این تبدیلات، با استفاده از ضریب شفیلد ترکیب مؤلفه‌های اول آنالیز مؤلفه‌های اصلی و کسر حداقل نویز و مؤلفه دوم آنالیز مؤلفه‌های مستقل انتخاب و طبقه‌بندی گردید. به‌منظور ارزیابی عملکرد هر روش از دقت کلی و ضریب کاپا استفاده گردید. نتایج تحقیق نشان داد که طبقه‌بندی تصویر بدون اعمال تبدیلات دقت کلی 76 درصد و ضریب کاپا 0.78 را داشته است، درحالی‌که بعد از اعمال تبدیل‌ آنالیز مؤلفه‌های اصلی، آنالیز مؤلفه‌های مستقل و کسر حداقل نویز ضریب کاپا به ترتیب 0.83، 0.80 و 0.88 و دقت کلی 0.80، 0.77 و 0.85 بدست آمد. همچنین نتایج حاصل از طبقه‌بندی ترکیب مؤلفه‌های بهینه دارای دقت کلی 92 درصد و ضریب کاپا 0.94 بوده است که نشان از عملکرد مطلوب ترکیب بهینه در فرآیند طبقه بندی دارد.

کلیدواژه‌ها


عنوان مقاله [English]

Performance evaluation of PCA, ICA and MNF in increasing the information extracting accuracy of Sentinel-2 satellite data

نویسندگان [English]

  • sayyad asghari saraskanroud 1
  • hasan Hasani Moghaddam 2
  • hossein fekrat 3
1 ئئ
2 MA of remote sensing and GIS, Faculty of Humanities, Kharazmi university.
3 MSc. Student of Remote Sensing and GlS, Faculty of Humanities, University of Mohaghegh Ardabili, Iran
چکیده [English]

Due to the correlated nature of remote sensing images the use of various transformations to improve the accuracy of information extraction from these images is essential. In this regard, selecting the optimal transformation method is important and will affect the outcomes result. For this purpose, an image from Sentinel-2 satellite for Rezvanshahr city on 06/30/2017 was selected and after applying the required preprocessing, the image bands were fused with the Gram-Schmit algorithm. The PCA, ICA, and MNF transforms were applied and the output of each was classified for evaluation using the maximum likelihood algorithm. In order to find the optimal combination of the components of these transformations, the Sheffied coefficient were used, and the combination of the first components of PCA, MNF and the second component of the ICA, was selected and classified. In order to evaluate the performance of each method, overall accuracy and Kappa coefficient were used. The results of the study showed that the image classification without transformation has an overall accuracy of 76% and a kappa of 0.78, while after applying PCA, ICA and MNF conversions, the Kappa coefficient was obtained 0.83- 0.80- 0.88 and overall accuracy 0.80- 0.77 and 0.85 respectively. Also, the results of combining optimal components composition have an overall accuracy of 92% and a Kappa coefficient of 0.94, which indicates the optimal performance of the optimal composition in the classification process.

کلیدواژه‌ها [English]

  • : Rezvanshahr
  • Sentinel-2
  • Sheffield Transformation
  • Maximum likelihood

مقالات آماده انتشار، پذیرفته شده
انتشار آنلاین از تاریخ 13 آبان 1399
  • تاریخ دریافت: 12 شهریور 1399
  • تاریخ بازنگری: 09 آبان 1399
  • تاریخ پذیرش: 12 آبان 1399