تلفيق نتايج چند طبقه‏بندي‏كننده فازي با استفاده از قوانين اتصال در فضاي توپولوژي فازي

Integration of Fuzzy Multi-Classifiers results using Connectivity Rules in Fuzzy Topological Space

طبقه‏بندي، تكنيكي در تحليل تصاوير سنجش از دور است كه به‌طور وسيع در كاربرد‏هاي مختلف استفاده مي‏شود. در روش‏هاي طبقه‏بندي نظارت‏شده سنتي، اطلاعات آموزشي و نتايج طبقه‏بندي مبتني بر اصل «هر پيكسل-يك كلاس» نمايش داده مي‏شوند. در مواردي كه عدم‌اطمينان و پيكسل‏هاي مختلط در سنجش از دور وجود دارد، استفاده از روش‏هاي فازي توصيه مي‏شود. مطالعات اخير نشان مي‏دهند كه استفاده از اطلاعات مجاورت به‌همراه اطلاعات طيفي مي‏تواند به صحت بالاتري در طبقه‏بندي بينجامد. استفاده از اطلاعات مجاورت در پس‏پردازش نتايج طبقه‏بندي به‌دليل وابستگي‌نداشتن به طبقه‏بندي‏كننده اوليه از دلايل استفاده از آن در پژوهش حاضر است. قوانين اتصال در فضاي توپولوژي فازي يكي از روش‏هاي استفاده از اطلاعات مجاورت در بخش پس‏پردازش است. درصورتي‌كه از بيش از دو طبقه‏بندي‏كننده استفاده شود، مي‏توان امكان تلفيق نتايج را بررسي كرد. در اين پژوهش براي تلفيق مكاني نتايج با استفاده از قوانين اتصال در فضاي توپولوژي فازي، دو راهكار پيشنهاد شده است. در راهكار نخست، يكي از دو طبقه‏بندي‏كننده مبناي تلفيق قرار مي‏گيرد و در راهكار دوم فقط پيكسل‏هايي كه در هر دو روش طبقه‌بندي، به‌صورت يكسان طبقه‏بندي شده‏اند و هم‌زمان پيكسل محدوده نيستند، در تصوير نهايي برچسب خود را حفظ مي‏كنند. نتايج نشان مي‏دهند كه راهكار نخست درمقايسه با راهكار دوم دقت بهتري را به‌دست مي‌دهد. بيشترين مقادير صحت كلي و كاپاي كلي به‌دست‌آمده مربوط به زماني است كه روش طبقه‏بندي بيشترين شباهت در راهكار نخست تلفيق مكاني مبنا قرار مي‏گيرد و به‌ترتيب 01/89 و 98/88 هستند. به‌طور كلي، تلفيق مكاني نتايج درمقايسه با وضعيتي كه فقط از يك طبقه‏بندي‏كننده استفاده شود، دقت را بهبود مي‏دهد.

Classification is one of the most widely used remote sensing analysis techniques. In the conventional remote sensing supervised classification, training information and classification result are represented in a one-pixel-one-class method. Fuzzy methods have been widely applied in image classification, which are believed to be more appropriate for handling uncertainty and mixed pixels in remote sensing. Also recent researches show that using neighborhood information with spectral information lead to higher accuracy in classification. Due to the dependence on initial classifier, the use of neighborhood information in the post processing of classification results is one of the reasons for its use in this research. Connectivity rules in fuzzy topological space are one of methods for using neighborhood information in post processing step. In case of using more than one classifier, it is possible to integrate the results. In this research two methods have been proposed for spatial integration results by using connectivity rules in fuzzy topological space. In first method, one of the two classifiers will be based and in second method, only pixels that are classified in the same manner in both and simultaneously not boundary pixel, will keep their own labels in final image. The results show that first method Provides better accuracy compared with second method and generally accuracy is improved when spatial integration results is used in compare with using only one classifier. The maximum overall accuracy and overall kappa values are obtained respectively 89.01 and 88.98 when maximum likelihood classifier is based in first method.