روشي براي بخش بندي تصاوير سنجش از دور با استفاده از الگوريتم Watershed و خوشه بندي Fuzzy C Means

A method for segmenting remote sensing images using the Watershed algorithm and Fuzzy C-Means clustering

در تقسيم بندي پيكسل هاي تصوير سنجش از دور با استفاده از بخش بندي Watershed، مرزهاي تصوير به خوبي آشكار نمي شوند. در اين مقاله، يك الگوريتم خوشه بندي تصوير بر اساس بخش بندي Watershed و خوشه بندي Fuzzy C-Means ارائه شده است. روش كار به اين صورت است كه در ابتدا از الگوريتم Watershed براي بخش بندي تصوير حاصل از مجموع مشتق تصوير با تصوير اصلي استفاده مي ­شود. مشتق گرفتن از تصوير موجب مي­ شود مرزهاي تصوير به خوبي آشكار شده و رويهم افتادگي بين مرزها رخ ندهد. پس از بخش بندي، براي تركيب نواحي مشابه حاصل، از خوشه بندي Fuzzy C-Means استفاده مي ­شود. در نهايت، به منظور بهبود نتايج خوشه بندي، يك ماتريس تقسيم بندي جديد نيز براي هر ناحيه از تصوير، با توجه به ويژگي ­هاي نواحي همسايه­ ي آن محاسبه مي ­شود. با توجه به اينكه تصاوير سنجش از دور شامل يك سطح نويز بالا هستند، الگوريتم پيشنهادي در مقايسه با الگوريتم Watershed رايج، توانايي بيشتري در مقابله با نويز دارد و لبه هاي تصوير بهتر نمايان مي­ شوند. نتايج آزمايش روش پيشنهادي بر روي يك نمونه تصوير سنجش از دور، عملي بودن و كارايي الگوريتم پيشنهادي را نشان مي ­دهد.

In the division of remote sensing image pixels using Watershed segmentation, the boundaries of the image are not well defined. In this paper, an image clustering algorithm based on Watershed segmentation and Fuzzy C-Means clustering is presented. The method is that first the Watershed algorithm is used to segment the image obtained from the sum of the image derivative with the original image. Image derivation makes the borders of the image well defined and does not overlap between the borders. After segmentation, Fuzzy C-Means clustering is used to combine similar regions. Finally, in order to improve the clustering results, a new segmentation matrix is ​​calculated for each area of ​​the image, according to the characteristics of its neighboring areas. Due to the fact that remote sensing images contain a high level of noise, the proposed algorithm is more capable of dealing with noise compared to the conventional Watershed algorithm, and the edges of the image appear better. The test results of the proposed method on a sample of remote sensing image show the practicality and efficiency of the proposed algorithm.