| المستخلص: |
إن تصنيف الصور الفضائية يشكل جزءا مهما لا يتجزأ من مجالات منهج دراسة علم الاستشعار عن بعد وتحليلات الصور الفضائية وكذلك تحليلات التعرف على الأنماط. وتأتي هذه الورقة البحثية كمحاولة لإدخال أسلوبا جديدا لتحسين التصنيف في الصور الفضائية، وذلك من خلال دمج كل من مرشح الالتفاف المكاني المتوسط (MSCF) والمرشح النسيجي ذو البروز المشترك لمصفوفة التجانس على المستوى الرمادي (HCTF). حيث تم تحديد حجم قناع الالتفاف المجاور (Kernel (n ليكون بحجم (3×3) مقيدا بتسعة معاملات (Ci). وفي هذا الصدد تم استخدام صورتين فضائيتين مختلفتين في بياناتهما ودقتهما المكانية والطيفية والزمنية. واستخدمت الدراسة صور القمر الصناعي لاندسات الأمريكي المحسن الموضوعي (ETM+) ومقارنته مع صور القمر الصناعي الفرنسي SPOT. وقد تم استخدام نوعين مختلفين من أنواع صور القمر الصناعي SPOT. وبحيث جاءت الصورة الأولى في الوضع متعدد الأطياف (Xs)، وهي من القمر الصناعي SPOT-5 ذو البيانات الهندسية عالية الدقة (HRG). بينما جاءت الصورة الثانية في الوضع البانكروماتي أحادي الطيف، وهو SPOT-2 PAN. وقد تضمن الأسلوب المقترح كيفية تطبيق التقنية من خلال مقارنة وفحص التصنيف الموجه وغير الموجه باستخدام خورزميات تصنيف المسافة الدنيا والأيزوداتا ISODATA على التوالي لكل من التصنيفين. علاوة على ذلك اختبرت هذه الدراسة استخدام الأسلوب المقترح في الصور الفضائية مختلفة البيانات بالنسبة لكل من قدرات التفريق المختلفة والمعاد تشكيلها مكانيا، وقد انتهت الدراسة بقياس تقييم دقة ما بعد التصنيف الذي قد قدم بشكل كبير دقة عامة مرضية ونتائج مرتفعة لمعامل كابا. بالإضافة إلى ذلك فإن الأسلوب المقترح قد قلل من نسبة الخطأ إلى ما يقرب من 7% عند مقارنتها بالطريقة التقليدية. وقد تم اختيار المدينة المنورة في المملكة العربية السعودية كمنطقة دراسة حالة لتطبيق الأسلوب التحليلي المقترح بسبب تنوعها الجغرافي وتنوعها من حيث اختلاف فئات الغطاء الأرضي وفئات استخدامات الأراضي بها.
Image Classification has formed an important part of the fields of remote sensing, image analysis, and pattern recognition. This paper is an attempt to introduce a new method of classification enhancement by merging both median spatial convolution filtering (MSCF) and grey level homogeneity co-occurrence texture filter (HCTF). The size of the neighborhood convolution mask or Kernel (n) is constrained to be 3×3 with nine coefficients (Ci). In this respect, two different spatially, spectrally, and temporally satellite data imagery are used. The American Landsat Enhanced Thematic Mapper Plus (ETM+) is used in comparison with the French SPOT data imagery. Two types of SPOT satellite images are used. The first is in the multispectral mode (Xs), which is SPOT-5 of High-Resolution Geometric (HRG) data. While the second is in the panchromatic (PAN) mode, which is SPOT-2 PAN. The proposed method involves applying the technique through examining both supervised and unsupervised classification by using the minimum distance classifier method and the ISODATA algorithm method, respectively. Furthermore, this study experiences the usage of the proposed method in different spatially resampled data imagery and ends with a post classification accuracy assessment that significantly offers satisfying overall accuracies and kappa coefficient results. Additionally, it reduces the error percentage up to approximately 7% difference when compared to the conventional method. Al- Madinah Al-Munawarah in Saudi Arabia was chosen as a case study area to conduct the analysis because of its diversity and variety in terms of land cover and land use classes.
|
