استفاده از ادغام پيكسلها در بازسازي اطلاعات پيكسلهاي مخلوط

Application of Merging Pixels in Restoring Mixed Pixels Data

طبقه‌بندی پيكسلهای مخلوط يكی از مشكلات مهم در تجزيه و تحليل اطلاعات سنجش از دور است، كه بدليل كوچكتر بودن ابعاد پيكسلهای خالص از دقت مكانی سنجنده‌ها با توجه به محدوديتهای فن‌آوری يا هزينه‌ها ايجاد می‌شود. الگوريتمهای مختلفی برای تفكيك پيكسلهای خالص در يك پيكسل مخلوط با معيارحداكثر صحت پيشنهاد شده است. در اين بررسيها مسائل زيرپيكسلها در تصاوير بدو دسته تقسيم شده است: 1) تعيين درصد كلاس های خالص تشكيل‌دهنده يك پيكسل 2) تعيين محل آنها. در اين مقاله پس از بررسی الگوريتمهای متداول در اين زمينه و مشكلات پيشرو، الگوريتم جديدی برای افزايش دقت مكانی تصاويرپيشنهاد خواهد شد، كه سعی در برطرف كردن نقاط ضعف الگوريتمهای موجود دارد. در اين الگوريتم يك جدول جستجوی مناسب با ادغام پيكسلهای اطلاعات ورودی ايجاد می‌شود. با تعريف يك معيار مناسب برای شباهت پيكسلها، برای هر پيكسل ورودی يك پيكسل مشابه در جدول جستجو پيدا می‌كنيم و نشان خواهيم داد اين پيكسلهای مشابه از ساختار زيرپيكسلی يكسانی تشكيل شده‌اند. در اين جستجو، از اطلاعات دامنه پيكسلها برای محاسبه نسبت زيرپيكسلها و از اطلاعات بافت پيكسلهای مجاور برای مكانيابی زيرپيكسلهای درون يك پيكسل مخلوط استفاده می‌شود. در انتها الگوريتم پيشنهادی بر روی داده‌های واقعی جهت افزايش دقت مكانی و طبقه‌بندی اطلاعات پياده‌سازی شده و نتايج با طبقه‌بندی سخت مقايسه و ارائه شده است. نتايج شبيه‌سازيها حداقل 15% بهبود ضرايب طبقه‌بندی در بازسازی پيكسلهای مخلوط نسبت به طبقه‌بندی سخت را نشان می‌دهند.

Mixed pixels are one of the main problems in the remote sensing data classification. There are various reasons including limitations of sensor spatial resolution or costs of data acquisition that may cause the image accuracy to be less than desired quality. A similar problem may be in comparing different spatial resolution images of one scene. Increasing the spatial resolution in such cases is necessary. Different methods have been proposed to increase the spatial resolution with maximum accuracy. These studies considered proportion of subpixels and locating their positions. These methods and their problems will be examined in this study. Conventional methods are reviewed. And a new method for increasing the spatial resolution will be proposed to resolve some of the weaknesses of existing methods. This new algorithm is proposed for restoring subpixels in the hyper spectral images. This algorithm is based on mixture of pixels for creating a proper search table for restoring subpixels. The spatial and pattern properties of neighboring pixels are considered in this search. There is no need to use soft classification information. Testing algorithm on real data will show its performance and capability in remote sensing applications. Simulation results on real data show that proposed method can increase percentage of correction classification at least 15% relative to hard classification.