بررسي تاثير افزايش تعداد سوپرپيكسل بر روي دقت استخراج اطلاعات از تصوير ماهواره اي اسپات

از منظر بينايي كامپيوتر مزاياي تجزيه و تحليل گروهي از پيكسل ها به جاي پيكسل هاي واحد براي كاربردهاي متعدد نظير تشخيص ابعاد تاييد شده است. اين مسئله به طور مشابه از ديدگاه سنجش از دور براي تجزيه و تحليل تصوير مبتني بر شيء نيز انجام شده است. با اين حال نياز و پذيرش سوپرپيكسل ها در سنجش از دور احساس مي-شود. خود همبستگي فضايي محلي بين پيكسل ها با وضوح بالا در تصاوير سنجش از دور زياد مي باشد بنابراين يك شيء اغلب از پيكسل هاي زيادي با ويژگي هاي مشابه تشكيل شده است. كه اين امر نياز به سوپرپيكسل ها را مبرهن مي سازد و مي تواند گامي مهم در پيش پردازش تصاوير ماهواره اي باشد. در اين پژوهش از تصوير ماهواره اي اسپات با قدرت تفكيك مكاني متوسط به بالا جهت ارزيابي كارايي الگوريتم SLIC استفاده گرديد. در ابتدا تصوير اسپات با الگوريتم معمول طبقه بندي يعني بيشترين شباهت طبقه بندي و دقت كلي 47/87 درصدو ضريب كاپا 82/0محاسبه گرديد. سپس روي اين تصوير الگوريتم SLIC با تعداد 250، 300 و 400 سوپرپيكسل اعمال گرديد و تصاوير حاصله مجددآ با الگوريتم بيشترين شباهت طبقه بندي شد. دقت كلي و ضريب كاپا براي تصوير با تعداد 250 سوپرپيكسل، 17/88 درصد و 85/0 محاسبه گرديد. براي تصوير با تعداد 300 سوپرپيكسل دقت كلي و ضريب كاپا، 52/92 درصد و 90/0 و براي تصوير با تعداد 400 سوپرپيكسل دقت كلي و ضريب كاپا 12/95 درصد و 94/0 محاسبه گرديد. با مقايسه نتايج الگوريتم SLIC و نتايج تصوير اصلي با طبقه بندي بيشترين شباهت معلوم گرديد كه الگوريتم SLIC مي تواند نتايج ارزيابي طبقه بندي با الگوريتم بيشترين شباهت را بهبود ببخشد. همچنين با افزايش تعداد سوپرپيكسل دقت طبقه بندي بيشترين شباهت نيز افزايش يافت.