نوع مقاله : مقاله پژوهشی

نویسندگان

• مصطفی موسی پور ¹
• ندا کفاش چرندابی ²
• هابیل خرمی ³

¹ دانشجوی دکتری سنجش از دور و سیستم اطلاعات جغرافیایی دانشگاه تبریز

² گروه نقشه برداری دانشکده فنی دانشگاه تبریز

³ دانشجوی دکتری، پژوهشگر جهاد دانشگاهی، پژوهشکده توسعه و برنامه ریزی، مرکز GIS & RS، تبریز

چکیده

رشد شهری به عنوان یک عامل تعیین کننده رفاه اجتماعی و پایداری محیطی، بسیار حیاتی به شمار می‌آید. در سا‌ل های اخیر داده-های سنجش از دور به عنوان ابزاری برای تعیین اندازه گسترش شهری و نظارت بر رشد شهری مورد استفاده قرار گرفته است. هدف از پژوهش حاضر، مقایسه‌ کارآیی توابع کرنل ماشین‌بردار پشتیبان پیکسل‌پایه و عملگرهای فازی شئ‌گرا در پایش تغییرات رشد شهری تبریز با استفاده از تصاویر سری زمانی سال‌های 1394 و 1403 ماهواره سنتینل 2 می‌باشد. در این راستا، جهت طبقه‌بندی هر تصویر بر اساس توابع کرنل ماشین‌بردار پشتیبان پیکسل‌پایه، با استفاده از کرنل‌های ماشین بردار پشتیبان، فرایند طبقه‌بندی تصاویر انجام و نقشه رشد شهری هر کدام از توابع برای سال‌های مورد مطالعه تولید شد. از نرم‌افزار ایکاگنیشن جهت طبقه‌بندی شئ‌گرا استفاده گردید. در این مرحله اقدام به قطعه‌بندی بر اساس مقیاس‌ها، ضریب شکل‌ها و ضریب فشردگی‌های مختلف جهت رسیدن به حالت قطعه‌بندی بهینه گردید. سپس، نقاط تعلیماتی مشخص گردیدند و با استفاده از عملگر‌های فازی طبقه‌بندی انجام گردید. بر اساس نتایج این پژوهش، عملگر فازی AND با دقت کلی 49/96 درصد و ضریب کاپای 9688/0 برای تصویر طبقه‌بندی شده سال 1394 و دقت کلی 31/97 درصد و ضریب کاپای 9725/0 برای تصویر طبقه‌بندی شده سال 1403، مقدار دقت بیشتری را ارائه نمودند. لذا با توجه به دقت بیشتر عملگرهای فازی شئ‌گرا در این پژوهش، می‌توان ابراز نمود که الگوریتم‌های پردازش شئ‌گرای تصاویر ماهواره‌ای در طبقه‌بندی تصاویر رقومی ماهواره‌ای در مقایسه با الگوریتم‌های ماشین‌بردار پشتیبان، دست‌یابی به دقّت بالاتر را در استخراج محدوده شهری تبریز امکان‌پذیر می‌سازند.

کلیدواژه‌ها

• ماشین بردار پشتیبان
• پردازش شئ گرای تصاویر ماهواره ای
• فازی
• سنتیل2
• تبریز

موضوعات

• سنجش از دور و سیستم اطلاعات جغرافیایی

عنوان مقاله [English]

Comparison of the efficiency of pixel-based support vector machine kernel functions and object-based fuzzy operators in monitoring the changes in urban growth and expansion of Tabriz.

نویسندگان [English]

• mostafa mousapour ¹
• neda kaffash Charandabi, ²
• habil khorrami ³

¹ ph.D student of remote sensing and geographic information system of Tabriz University

² Department of Mapping, Technical Faculty, Tabriz University

³ Ph.D Student. Acecr Researcher: Development and Planning Research Institute, GIS & RS Center, Tabriz

چکیده [English]

Urban growth as a determining factor of social welfare and environmental sustainability is considered very vital. In recent years, remote sensing data has been used as a tool to determine the size of urban expansion and monitor urban growth. The purpose of the present research is to compare the efficiency of pixel-based vector machine kernel functions and object-oriented fuzzy operators in monitoring Tabriz urban growth changes using Sentinel 2 satellite. in order to classify each image based on pixel base support vector machine kernel functions, using support vector machine kernels, the image classification process was performed and the urban growth map of each function was produced for the years under study. ecognition software was used for object-oriented classification. At this stage, segmentation was done based on different scales, shape factor and compression ratio to reach the optimal segmentation mode. Then, teaching points were identified and classification was done using fuzzy operators. Based on the results of this research, the AND fuzzy operator with an overall accuracy of 96.49% and a kappa coefficient of 0.9688 for the image of 2014 and an overall accuracy of 97.31% and a kappa coefficient of 0.9725 for the image of 1403, the accuracy value provided more. Therefore, considering the greater accuracy of object-oriented fuzzy operators , it can be stated that object-oriented processing algorithms of satellite images in the classification of digital satellite images, compared to support vector machine algorithms, make it possible to achieve higher accuracy in extracting the urban area of ​​Tabriz.

کلیدواژه‌ها [English]

• Support Vector Machine
• Object-Based Satellite Images Analysis
• Fuzzy
• Sentinel 2
• Tabriz