افزايش دقت طبقه بندي تصاوير مناطق كشاورزي با استفاده از ميدان هاي تصادفي زنجيره ماركوف

در اغلب پژوهش هاي سنجش از دور تنها از اطلاعات طيفي براي طبقه بندي تصاوير استفاده مي شود، در حالي كه اطلاعات مكاني نيز مي تواند نقش موثري در بهبود دقت طبقه بندي داشته باشد. به صورت دقيق تر بايد گفت، به ويژه در تصاوير مناطق كشاورزي احتمال اين كه كلاس يك پيكسل با كلاس پيكسل هاي مجاور يكسان باشد، زياد خواهد بود. در اين مقاله با استفاده از روش ماكزيمم شباهت براي استفاده از اطلاعات طيفي و از روش زنجيره ماركوف براي استفاده از اطلاعات مكاني تصوير استفاده شده است. تصوير مورد استفاده در اين تحقيق، تصوير Landsat براي يك منطقه كشاورزي با هفت كلاس مي باشد. روش پيشنهادي به طور قابل ملاحظه اي هر دو معيار دقت كلي و ضريب كاپا را در مقايسه با طبقه بندي ماكزيمم شباهت افزايش داده است. ميزان اين افزايش براي دقت كلي و ضريب كاپا به ترتيب 10/66 درصد و 1064 /0 مي باشد.