اختزال البعدية باستخدام خوارزميات هجينة و تطبيقها على بيانات الاستشعار عن بعد

المؤلفون المشاركون

صديق، منى جعفر
الغريري، مهى عبد الرحمن حسو

المصدر

مجلة الرافدين لعلوم الحاسبات و الرياضيات : مجلة علمية محكمة و مفهرسة

الناشر

جامعة الموصل كلية علوم الحاسبات و الرياضيات

تاريخ النشر

2013-04-30

دولة النشر

العراق

عدد الصفحات

17

التخصصات الرئيسية

تكنولوجيا المعلومات وعلم الحاسوب

الموضوعات

• الأقمار الصناعية
• معالجة البيانات
• الاستشعار عن بعد
• التصوير الجوي
• الخوارزميات الجينية

الملخص العربي

تم في هذا العمل بناء خوارزمية جديدة لغرض اختيار أفضل حزمة و التقليل من الأبعاد العالية لصور الاستشعار عن بعد اعتمادا على خوارزميات متعددة ثم تنفيذ كل خوارزمية لوحدها و دراسة نتائجها ثم دمجها في الخوارزمية المقترحة.

ففي خوارزمية تحليل المركبات الأساسية يتم إيجاد مصفوفة التباين المشترك Covariance للحزم المراد معالجتها ثم يجاد متجه أيكن باستخدام نظرية جاكوبي و تتمثل أعلى قيمة في متجه الأيكن (Eigen Vector) أفضل حزمة.

و قد تم تطبيق الخوارزمية على مجاميع عدة من الصور متعددة الأطياف لمتحسس الخرائط الموضوعي (Thematic Mapper, TM)، و بتطبيق الخوارزمية على المجموعة الأولى (TM) تبين أن الحزمة السادسة هي أفضل حزمة فقد كانت قيمة أيكن لها أكبر قيمة، أما المجموعة الثانية (SS) فقد كانت الحزمة الثانية هي الأفضل و التي تحمل أعلى قيمة أيكن و عند تنفيذ الخوارزمية على المجموعة الثالثة من الصور (PP) تبين أن الحزمة الخامسة هي الأفضل (مع الأخذ بنظر الاعتبار عزل الحزمة السادسة الحرارية في المجاميع الثلاثة).

تم تطبيق تحوير المويجة على الصور و لمستوى واحد من التحليل و اختيار أفضل حزمة استنادا إلى أقل قيمة (MSE, Mean Square Error)، لبيان نتائج اختيار أفضل حزمة تم تبني خوارزمية K_means لتصنيف الصور.

تم في خوارزمية K-means ابتكار طريقة جديدة لتحديد المراكز و التي تمثل مسألة مهمة جدا في دقة التصنيف و هي تحديد مراكز بدائية بإيجاد أكبر قيمة لونية و أصغر قيمة لونية و إيجاد المعدل بينهما إلى أن يتم الحصول على عدد المراكز المطلوبة و قد تم تطبيق الخوارزمية على المجاميع الثلاثة من صور الاستشعار عن بعد حيث تم إجراء عملية التصنيف على عدد الحزم الكلي و الحصول على حزمة واحدة منها.

كما تم بناء خوارزمية جديدة حيث اعتمدت على الخوارزميات المذكورة آنفا و تتضمن تطبيق تحوير المويجة على الصور متعددة الأطراف و إيجاد نسبة الإشارة إلى الضوضاء (Signal to Noise Ratio) المعتمدة على التباين لكل حزمة و ترتيبها تنازليا ثم اختيار الحزم التي تحتوى على أعلى من الصفات أي البيانات لاختيار أفضل الحزم و إدخالها في خوارزمية تحليل المركبات الأساسية و بعد إيجاد متجه أيكن من الخوارزمية و اختيار أعلى قيم فيه يتم إدخالها في عملية التصنيف.

تبين من تطبيق الخوارزمية المقترحة أنها كانت الأفضل من ناحية التطبيق حيث أظهرت الخوارزمية كفاءة و دقة عاليتين في التصنيف و إيجاد أفضل حزمة.

الملخص الإنجليزي

In this work, A proposed Algorithm has been constructed for the selecting the best band and lessening high dimension of remote sensing data depending on multi algorithms, each on carried out and its results are studied irrespective of other, then combining them in the proposed algorithms, in the principle component analysis algorithm find covariance matrix for the processing bands .

Then find Eigen vector by using Jacobs’s method and this represents the highest value in Eigen vector.

The algorithm was applied on many groups of multispectral image for the Mapper sensor.

By applying it on the first group of images it concluded that the sixth band is the best one, because the value of its Eigen vector is the biggest one.

when the algorithm was applied on the second group of images it concluded that the second band is the best one, and the value of its Eigen vector is the biggest one, when the algorithm was applied on the third group of images it concluded that the fifth band is the best, and the value of its Eigen vector is the biggest one (regarding separating the sixth infrared band in the three groups By using wavelet transform algorithm for one level of analysis and selecting the best band according to the least value of mean square error , to show the result of selecting the best ,the k_means algorithm was used to classify images By using K_mean classification algorithm in images .A new way was proposed to determine centers which is an important matter in accurate classifications and specifying initial centers by finding the maximum value and minimum value and finding the mean between them until getting the wanted number of centers.

The algorithm was applied on three groups of multispectral images .the classification was done on total number of bands to product one band out of it.

A new algorithm was constructed depending on the previous three algorithms which applies the wavelet transform on multispectral images and finding the signal to noise ratio depending on variance of each band And arranging it decendingly and then choosing the bands that have highest datas in order to select the best bands and apply the principle component analysis on it.

After finding the Eigen vector from the algorithm and selecting the highest values from it, it will be classified.

From applying the proposed algorithm it has been clear that it is the best in accordance to applying .because it has shown high efficiency and accuracy inclassification and in finding the best band.

نوع البيانات

أوراق مؤتمرات

رقم السجل

BIM-333512

• APA
• MLA
• AMA