Journal of Geospatial Information Technology

fa تهیه نقشه در سطح زیرپیکسل براساس مدل جذب مکانی- طیفی و روش نوین برچسب‌گذاری Super Resolution Mapping Based on Spatial-Spectral Attraction Model and the New Class Allocation Approach سنجش از دور RS پژوهشي Research <div>پیکسلهای مخلوط، دقت کلی نقشههای پوششی تهیه شده از تصاویر سنجش از دور با قدرت تفکیک مکانی مختلف را تحت تاثیر قرار میدهند. یکی از الگوریتمهایی که در سالهای اخیر به منظور حل مشکل پیکسلهای مخلوط ارائه شده است تکنیک تهیه نقشه در سطح زیرپیکسل نرم-سپس-سخت موسوم به STHSRM  (Soft-Then-Hard Super resolution mapping)است. در این تکنیک ابتدا با توجه به ضریب بزرگنمایی، هر یک از پیکسلهای تصویر اولیه به تعدادی زیرپیکسل تقسیم، و برای هر یک از آنها مقدار شاخصی تخمین زده میشود؛ سپس با مقایسه این مقادیر، برچسب زیرپیکسلها مشخص میگردد. مدل جذب مکانی با تخمین میزان جاذبه میان زیرپیکسلها و پیکسلهای همسایه یکی از روشهای محاسبه مقدار شاخص زیرپیکسلها است. تکنیک برچسبگذاری در واحد کلاس (Unit Of Class) نیز از جمله روشهای برچسبگذاری زیرپیکسلها است، که براساس ترتیب کلاسی تعریف شده به مقایسه مقادیر شاخص زیرپیکسلها در هر یک از کلاسهای حاضر در سطح پیکسل مخلوط و برچسبگذاری آنها میپردازد. تحقیق حاضر، با توسعه مدل جذب مکانی و تعریف مدل جذب مکانی-طیفی و همچنین ارائه روش برچسبگذاری نوین مبتنی بر تکنیک (Unit Of Class) UOC، به تعیین بهترین حالت ممکن آرایش مکانی زیرپیکسلها پرداخته است. روش برچسبگذاری پیشنهادی با تعریف تابع هزینه و محاسبه هزینه متناظر با آرایش مکانی زیرپیکسلها در حالات مختلف ترتیب کلاسی، حالت بهینه جانمایی زیرپیکسلها را تعیین میکند. پیادهسازی این مدل بر روی دو تصویر Worldview-3 و ROSIS-03 و مقایسه نتایج آن با روشهای پیشین تهیه نقشه در سطح زیرپیکسل نرم-سپس-سخت گویای بهبود دقت نقشه تهیه شده در سطح زیرپیکسل با روش پیشنهادی به ویژه در عوارض خطی و مرز کلاسها است. مقدار بهبود شاخص کاپا اصلاح شده الگوریتم پیشنهادی نسبت به مدل جذب مکانی همراه با روش برچسبگذاری در واحد کلاس تطبیقی (AUOC) در ضریب بزرگنمایی2، بهترتیب برای تصاویر مذکور 053/0 و 032/0 است.</div>   The mixed pixels influence the overall accuracy of land cover maps produced by using the remote sensing images with different spatial resolutions. In recent years, soft-then-hard super resolution mapping (STHSRM) has been proposed to solve the problem of mixed pixels. This method estimates soft attribute values for land cover classes at the subpixel scale level and then allocates classes for subpixels according to the soft attribute values. Subpixel/pixel spatial attraction model (SPSAM) calculates soft attribute values for each class at ﬁne pixels by spatial attraction between subpixels and their neighboring pixels. UOC (Units of Class) allocates classes to subpixels in units of class. First, a visiting order for all classes is predetermined. Then, according to the visiting order, the subpixels belonging to the being visited class are determined by comparing the soft attribute values of this class. The remaining subpixels are used for the allocation of the next class. This paper proposed a new spatial-spectral attraction model to estimate the soft attribute value for each class at each subpixel. Also it presents a novel class allocation approach based on UOC technique for STHSRM algorithm. The proposed class allocation approach produces the optimal location of subpixels by defining the cost function and calculating the corresponding cost of spatial arrangement of sub-pixels in different visiting order of classes. The technique is applied to Worldview-3 and ROSIS-03 images. A comparison between the results obtained through the proposed approach and an existing super-resolution mapping technique is introduced. The results show that the proposed algorithm is able to produce higher SRM accuracy than the other approaches especially in linear feature and class boundaries. The improvement value of the adjusted Kappa coefﬁcient of the proposed algorithm related to the spatial attraction model with the AUOC class allocation technique in the scale factor 2, is 0.053 and 0.032, respectively. پیکسل مخلوط, تهیه نقشه در سطح زیرپیکسل نرم-سپس-سخت, مدل جذب مکانی-طیفی, برچسب‌گذاری زیرپیکسل‌ها mixed pixel, soft-then-hard super resolution mapping, spatial-spectral attraction model, Class allocation 17 37 http://jgit.kntu.ac.ir/browse.php?a_code=A-11-52-3&slc_lang=fa&sid=1 Mahnaz Dastjani مهناز دستجانی mdastjani70@gmail.com 10031947532846008666 10031947532846008666 No Faculty of Geodesy and Geomatics Engineering, K.N.Toosi University of Technology دانشکده مهندسی نقشه برداری، دانشگاه خواجه نصیرالدین طوسی Mohammad Javad Valadan Zoej محمدجواد ولدان زوج valadanzouj@kntu.ac.ir 10031947532846008667 10031947532846008667 Yes Faculty of Geodesy and Geomatics Engineering, K.N.Toosi University of Technology دانشکده مهندسی نقشه برداری، دانشگاه خواجه نصیرالدین طوسی Mojtaba Jannati مجتبی جنتی eng.jannati@gmail.com 10031947532846008668 10031947532846008668 No Faculty of Geodesy and Geomatics Engineering, K.N.Toosi University of Technology دانشکده مهندسی نقشه برداری، دانشگاه خواجه نصیرالدین طوسی