ادغام تصاویر پلاریمتری راداری و ابرطیفی با روش رای گیری اکثریت وزنی برای بهبود طبقه بندی پوشش زمین

اطلاعات کاربری و پوشش زمین نقش مهمی در پایش محیط زیست و برنامه ریزی شهری دارد. هر نوع داده سنجش ازدور، مانند تصاویر راداری پلاریمتریک و تصاویر ابرطیفی، حاوی اطلاعات مکملی درباره ویژگی های سطح زمین است. در این پژوهش با هدف افزایش دقت طبقه بندی پوشش زمین، از ترکیب داده های UAVSAR، Hyperion و ALI مربوط به منطقه سان فرانسیسکو در آوریل ۲۰۱۵ استفاده شد. ابتدا امضاهای پلاریمتریک از داده های راداری استخراج گردید و برای بهبود تفکیک مکانی تصاویر ابرطیفی، روش پن شارپنینگ گرام–اشمیت با استفاده از باند پانکروماتیک ALI به کار گرفته شد. سپس طبقه بندی داده ها با استفاده از الگوریتم جنگل تصادفی (Random Forest) در چهار سناریو انجام گرفت: فقط داده های راداری، فقط داده های ابرطیفی، ادغام در سطح ویژگی و ادغام در سطح تصمیم با روش رای گیری اکثریت وزن دار(WMV). نتایج نشان داد روش پیشنهادی WMV نسبت به هر یک از داده ها به صورت مجزا، دقت طبقه بندی را به طور قابل توجهی افزایش داده و کارایی ترکیب داده های چندمنبعی را در تهیه نقشه های کاربری زمین تایید می کند.

کلیدواژه ها:

PolSAR ، ابرطیفی ، پن شارپنینگ ، جنگل تصادفی ، رای گیری اکثریت وزنی