fa ارائه روشی جهت تولید شاخص‌ مکانی به‌منظور به‌کارگیری اطلاعات مکانی در طبقه‌بندی تصاویر پانکروماتیک سنجش از دور RS پژوهشي Research <span style="font-family:b nazanin;">طبقه‌بندی یکی از پرکاربردترین روشهای استخراج اطلاعات از تصاویر ماهواره‌ای است، در الگوریتم‌های مختلف طبقه‌بندی تنها از اطلاعات</span>&nbsp;<span style="font-family:b nazanin;">طیفی تصویر به‌عنوان ورودی استفاده می‌شود. در حالی که خصوصا در تصاویر با رزولوشن</span>&nbsp;<span style="font-family:b nazanin;">مکانی بالا، روابط مکانی بین</span>&nbsp;<span style="font-family:b nazanin;">پیکسلهای همسایه نقش به‌سزایی در ایجاد تمایز بین کلاسهای مختلف، در تفسیر انسانی دارد. در تحقیقات مختلف روشهایی جهت کمی‌سازی بافت تصویر و استفاده از آن در ایجاد تفکیک بین کلاسها ارائه شده است. با توجه به تنوع روشهای کمی‌سازی بافت تصویر و تنوع پارامترهای قابل تنظیم آنها، امکان تولید تعداد بسیار بالایی ویژگی مکانی جدید از تصویر وجود دارد. هر یک از این ویژگیها توانایی خاصی در ایجاد تمایز بین کلاسهای تصویر دارند، این</span>&nbsp;<span style="font-family:b nazanin;">حقیقت و تعداد</span>&nbsp;<span style="font-family:b nazanin;">بالای</span>&nbsp;<span style="font-family:b nazanin;">ویژگیها، نیاز به انتخاب ترکیب بهینه و یا تولید ویژگی‌هایی که چکیده توانمندی مجموعه تولید شده را داشته</span>&nbsp;<span style="font-family:b nazanin;">باشند، را ضروری</span>&nbsp;<span style="font-family:b nazanin;">می‌نماید. در این تحقیق با الهام از اندکس‌های تفاضلی نرمال طیفی، مفهوم شاخص مکانی جهت تولید شاخص‌هایی مبتنی بر ویژگیهای مکانی تولید شده از تک باند طیفی تصویر پانکروماتیک، جهت تفکیک</span>&nbsp;<span style="font-family:b nazanin;">کلاسهای مختلف تصویر معرفی شده است. شاخص‌های مکانی تولیدی برای هر کلاس به‌عنوان چکیده مجموعه ویژگیهای مکانی و به‌صورت ویژگیهای جدید در کنار باند تصویر در طبقه‌بندی نظارت</span>&nbsp;<span style="font-family:b nazanin;">شده استفاده شد. ویژگیهای دارای بیشینه و کمینه مقدار در هر کلاس پس از تولید بردار میانگین در فضای ویژگی‌ها و حذف ویژگیهای داری رنج تغییرات کوچک انتخاب شدند. پس از مقایسه با نتایج سایر کلاسها، زوج باندهای غیر تکراری انتخاب شده و ویژگیهای تفاضلی نرمال بر</span>&nbsp;<span style="font-family:b nazanin;">اساس آنها تولید شد، استفاده از ویژگیهای تولید شده در طبقه‌بندی منجر به افزایش قابل توجه دقت در تفکیک کلاسها و کاهش زمان کلی محاسبات گردید. از دیگر مزایای این روش، صریح و مستقیم بودن و عدم نیاز به روندهای تکرار است.</span><span style="font-size:12.0pt;"></span> Classification is the most common method for information extraction from remotely sensed images. Conventional classification methods are mostly based on spectral information. While particularly in high spatial resolution images, spatial relationships between neighboring pixels used to discriminate between different land-cover classes in human interpretation. In different research methods for quantification of image texture and use it to create separation between classes is provided. Considering the variety of formulation and adjustable parameters of texture quantization methods, huge number of texture features could be generated. Each feature has specific ability to discriminate special classes. In this paper a new method based on spectral index formulation proposed to generate Spatial Indices from textural features. Best pairs of textural features selected and Spatial Indices using them will be generated. Generated Spatial Indices are good abstract of textural feature space to use in classification procedure. This method could led to better classification results in a direct and none international solution. شاخص مکانی, طبقه‌بندی نظارت شده, تصویر پانکروماتیک, کمی‌سازی بافت تصویر Spatial Index, Supervised classification, Panchromatic Image, Image texture quantization 1 21 http://jgit.kntu.ac.ir/browse.php?a_code=A-11-443-2&slc_lang=fa&sid=1 Hamed Ashoori حامد عاشوری hamed_ashoori@yahoo.com 10031947532846005407 10031947532846005407 Yes K.N. Toosi University of Technology دانشگاه صنعتی خواجه نصیرالدین طوسی Mohammad Javad Valadan Zoej محمدجواد ولدان زوج 10031947532846005408 10031947532846005408 No K.N. Toosi University of Technology دانشگاه صنعتی خواجه نصیرالدین طوسی MahmoodReza Sahebi محمودرضا صاحبی 10031947532846005409 10031947532846005409 No K.N. Toosi University of Technology دانشگاه صنعتی خواجه نصیرالدین طوسی