التعرف على الأنماط متعددة الأطياف

📅 آخر تحديث: ١ أغسطس ٢٠٢٦
✍️ نُشر في: ١ أغسطس ٢٠٢٦
الموسوعة الحرة

الاستشعار عن بُعد متعدد الأطياف هو عملية جمع وتحليل الطاقة المنعكسة أو المنبعثة أو المتناثرة من جسم أو منطقة محددة ضمن نطاقات متعددة من الطيف الكهرومغناطيسي (جنسن، 2005). وتشمل فروع الاستشعار عن بُعد متعدد الأطياف الاستشعار فائق الطيف، حيث تُجمع وتُحلل مئات النطاقات، والاستشعار فائق الدقة الطيفية، حيث تُستخدم مئات النطاقات ( لوجيكون ، 1997). والهدف الرئيسي من التصوير متعدد الأطياف هو إمكانية تصنيف الصورة باستخدام التصنيف متعدد الأطياف، وهي طريقة أسرع بكثير لتحليل الصور من التفسير البشري.

أنظمة الاستشعار عن بعد متعددة الأطياف

تجمع أنظمة الاستشعار عن بُعد البيانات عبر أجهزة محمولة عادةً على أقمار صناعية تدور حول الأرض. يكشف الماسح الضوئي للاستشعار عن بُعد الطاقة المنبعثة من الجسم أو المنطقة المراد رصدها. تُسجل هذه الطاقة كإشارة كهربائية تناظرية، ثم تُحوّل إلى قيمة رقمية عبر عملية تحويل تناظري-رقمي. توجد عدة أنظمة استشعار عن بُعد متعددة الأطياف، ويمكن تصنيفها على النحو التالي:

التصوير متعدد الأطياف باستخدام كاشفات منفصلة ومرايا ماسحة

  • الماسح الضوئي متعدد الأطياف لاندسات ( MSS )
  • ماسح الخرائط الموضوعية لاندسات ( ™ )
  • القمر الصناعي البيئي التشغيلي الثابت بالنسبة للأرض التابع للإدارة الوطنية للمحيطات والغلاف الجوي ( GOES )
  • مقياس الإشعاع المتقدم عالي الدقة للغاية التابع للإدارة الوطنية للمحيطات والغلاف الجوي ( AVHRR )
  • ناسا وشركة أوربيماج، مستشعر مجال الرؤية الواسع للبحر ( SeaWiFS )
  • شركة ديدالوس، الماسح الضوئي متعدد الأطياف للطائرات (AMS)
  • جهاز استشعار التطبيقات الأرضية المحمول جواً التابع لناسا (ATLAS)

التصوير متعدد الأطياف باستخدام المصفوفات الخطية

  • مستشعرات SPOT 1 و2 و3 عالية الدقة للضوء المرئي (HRV)، ومستشعرات SPOT 4 و5 عالية الدقة للضوء المرئي والأشعة تحت الحمراء (HRVIR) ومستشعر الغطاء النباتي
  • نظام الاستشعار عن بعد الهندي ( IRS ) مستشعر التصوير الخطي ذاتي المسح (LISS)
  • شركة التصوير الفضائي ( IKONOS )
  • شركة ديجيتال جلوب ( كويك بيرد )
  • شركة أوربيماج ( أورب فيو-3 )
  • شركة ImageSat International, Inc. ( EROS A1 )
  • مقياس الإشعاع الحراري والانعكاسي الفضائي المتقدم من ناسا تيرا ( ASTER )
  • جهاز التصوير الطيفي متعدد الزوايا التابع لناسا تيرا ( MISR )

التصوير الطيفي باستخدام المصفوفات الخطية والمساحية

  • مطياف التصوير المرئي/الأشعة تحت الحمراء المحمول جواً التابع لمختبر الدفع النفاث التابع لناسا ( AVIRIS )
  • جهاز التصوير الطيفي المحمول جواً المدمج 3 ( CASI 3 )
  • مطياف التصوير متوسط ​​الدقة التابع لناسا تيرا ( MODIS )
  • ناسا إيرث أوبزرفر ( EO-1 ) المصوّر المتقدم للأراضي (ALI)، هايبريون، ومصحح الغلاف الجوي LEISA (LAC)

أنظمة التصوير الفوتوغرافي التناظرية والرقمية عبر الأقمار الصناعية

أساليب التصنيف متعددة الأطياف

يمكن استخدام مجموعة متنوعة من الطرق لتصنيف الصور متعددة الأطياف:

  • الخوارزميات القائمة على الإحصاءات البارامترية وغير البارامترية التي تستخدم البيانات ذات المقياس النسبي والفترات الزمنية والأساليب غير المترية التي يمكنها أيضًا دمج بيانات المقياس الاسمي (دودا وآخرون، 2001).
  • منطق التصنيف الخاضع للإشراف أو غير الخاضع للإشراف،
  • منطق تصنيف المجموعات الصلبة أو المرنة (الضبابية) لإنشاء منتجات إخراج موضوعية صلبة أو ضبابية،
  • منطق التصنيف على مستوى البكسل أو على مستوى الكائنات، و
  • الأساليب الهجينة

التصنيف الخاضع للإشراف

في هذه الطريقة التصنيفية، تُحدد هوية وموقع بعض أنواع الغطاء الأرضي مسبقًا من خلال مزيج من العمل الميداني، وتفسير الصور الجوية، وتحليل الخرائط، والخبرة الشخصية. يقوم المحلل بتحديد المواقع التي تتشابه خصائصها مع أنواع الغطاء الأرضي المعروفة. تُعرف هذه المناطق بمواقع التدريب، حيث تُستخدم خصائصها المعروفة لتدريب خوارزمية التصنيف لرسم خرائط الغطاء الأرضي لبقية الصورة. تُحسب المعلمات الإحصائية متعددة المتغيرات (المتوسطات، والانحرافات المعيارية، ومصفوفات التغاير، ومصفوفات الارتباط، إلخ) لكل موقع تدريب. تُقيّم جميع وحدات البكسل داخل وخارج مواقع التدريب وتُصنف ضمن الفئة ذات الخصائص الأكثر تشابهًا.

مخطط التصنيف

تتمثل الخطوة الأولى في أسلوب التصنيف الخاضع للإشراف في تحديد فئات الغطاء الأرضي واستخدامات الأراضي المراد استخدامها. يشير الغطاء الأرضي إلى نوع المواد الموجودة في الموقع (مثل المياه، والمحاصيل، والغابات، والأراضي الرطبة، والإسفلت، والخرسانة). أما استخدامات الأراضي فتشير إلى التعديلات التي يُجريها الإنسان على الغطاء الأرضي (مثل الزراعة، والتجارة، والاستيطان). يجب اختيار جميع الفئات وتحديدها بعناية لتصنيف بيانات الاستشعار عن بُعد بشكل صحيح ضمن معلومات استخدامات الأراضي و/أو الغطاء الأرضي المناسبة. ولتحقيق هذا الغرض، من الضروري استخدام نظام تصنيف يتضمن تعريفات دقيقة للفئات. في حال الرغبة في تصنيف دقيق، ينبغي استخدام الفئات التالية:

  • حصرية متبادلة: لا يوجد أي تداخل تصنيفي بين أي من الفئات (أي أن الغابات المطيرة والغابات دائمة الخضرة هي فئات متميزة).
  • شامل: تم تضمين جميع أنواع الغطاء الأرضي في المنطقة.
  • الهرمية: يتم إنشاء فئات فرعية (مثل السكن العائلي الفردي، السكن العائلي المتعدد)، مما يسمح بإدراج هذه الفئات في فئة أعلى (مثل السكني).

من أمثلة مخططات التصنيف الصارمة ما يلي:

  • نظام تصنيف الأراضي التابع للجمعية الأمريكية للتخطيط
  • نظام تصنيف استخدامات الأراضي/غطاء الأرض التابع لهيئة المسح الجيولوجي الأمريكية للاستخدام مع بيانات الاستشعار عن بعد
  • دائرة الأسماك والحياة البرية التابعة لوزارة الداخلية الأمريكية
  • نظام التصنيف والغطاء النباتي الوطني الأمريكي
  • برنامج الغلاف الحيوي والجيوسفير الدولي (IGBP) - نظام تصنيف الغطاء الأرضي

مواقع التدريب

بمجرد اعتماد نظام التصنيف، يمكن لمحلل الصور اختيار مواقع تدريبية في الصورة تمثل الغطاء الأرضي أو استخدام الأرض محل الاهتمام. إذا كانت البيئة التي جُمعت فيها البيانات متجانسة نسبيًا، فيمكن استخدام بيانات التدريب. أما إذا وُجدت ظروف مختلفة في الموقع، فلن يكون من الممكن تطبيق بيانات التدريب الخاصة بالاستشعار عن بُعد عليه. ولحل هذه المشكلة، ينبغي إجراء تصنيف جغرافي خلال المراحل التمهيدية للمشروع. يجب تسجيل جميع الاختلافات (مثل نوع التربة، وعكارة المياه، وأنواع المحاصيل، إلخ). ينبغي تسجيل هذه الاختلافات على الصور، ويتم اختيار مواقع التدريب بناءً على هذا التصنيف الجغرافي. ستكون خريطة التصنيف النهائية عبارة عن تجميع لتصنيفات الطبقات الفردية.

بعد تنظيم البيانات في مواقع تدريب مختلفة، يتم إنشاء متجه قياس. يحتوي هذا المتجه على قيم السطوع لكل بكسل في كل نطاق ضمن كل فئة تدريب. ويتم حساب المتوسط ​​والانحراف المعياري ومصفوفة التباين والتباين المشترك ومصفوفة الارتباط من متجهات القياس.

بعد تحديد الإحصائيات من كل موقع تدريب، ينبغي اختيار النطاقات الأكثر فعالية لكل فئة. والهدف من هذا التمييز هو استبعاد النطاقات التي قد تُقدّم معلومات زائدة. ويمكن استخدام الأساليب البيانية والإحصائية لتحقيق هذا الهدف. ومن الأساليب البيانية:

  • مخططات الطيف البيانية الشريطية
  • مخططات متجه المتوسط ​​الطيفي المشترك
  • مخططات مساحة الميزات
  • مخططات متوازي المستطيلات أو القطع الناقص الطيفية المشتركة

خوارزمية التصنيف

تتمثل الخطوة الأخيرة في التصنيف الخاضع للإشراف في اختيار الخوارزمية المناسبة. يعتمد اختيار الخوارزمية على بيانات الإدخال والمخرجات المطلوبة. تعتمد الخوارزميات البارامترية على افتراض أن البيانات موزعة توزيعًا طبيعيًا. أما إذا لم تكن البيانات موزعة توزيعًا طبيعيًا، فينبغي استخدام الخوارزميات غير البارامترية. ومن أكثر الخوارزميات غير البارامترية شيوعًا:

التصنيف غير الخاضع للإشراف

التصنيف غير الخاضع للإشراف (المعروف أيضًا بالتجميع) هو أسلوب لتقسيم بيانات صور المستشعرات عن بُعد إلى فضاء متعدد الأطياف واستخراج معلومات الغطاء الأرضي. يتطلب التصنيف غير الخاضع للإشراف معلومات إدخال أقل من المحلل مقارنةً بالتصنيف الخاضع للإشراف، لأن التجميع لا يتطلب بيانات تدريب. تتكون هذه العملية من سلسلة من العمليات الحسابية للبحث عن الخصائص الطيفية للبكسلات. ومن هذه العملية، يتم الحصول على خريطة تحتوي على m فئة طيفية. باستخدام هذه الخريطة، يحاول المحلل تعيين أو تحويل الفئات الطيفية إلى معلومات موضوعية ذات أهمية (مثل الغابات، والزراعة، والمناطق الحضرية). قد لا تكون هذه العملية سهلة لأن بعض التجمعات الطيفية تمثل فئات مختلطة من مواد السطح، وقد لا تكون مفيدة. يجب على المحلل فهم الخصائص الطيفية للتضاريس ليتمكن من تصنيف التجمعات كفئة معلومات محددة. هناك المئات من خوارزميات التجميع، ومن أبسطها من حيث المفهوم خوارزمية السلسلة وخوارزمية ISODATA.

طريقة السلسلة

تعتمد الخوارزمية المستخدمة في هذه الطريقة على نمط المرور المزدوج (حيث تمر على مجموعة البيانات متعددة الأطياف مرتين). في المرور الأول، يقرأ البرنامج مجموعة البيانات ويبني مجموعات (مجموعات من النقاط في الفضاء الطيفي) بشكل متسلسل. بعد قراءة مجموعة البيانات، يتم ربط متجه متوسط ​​بكل مجموعة. في المرور الثاني، تُطبق خوارزمية تصنيف المسافة الدنيا إلى المتوسطات على مجموعة البيانات، بكسلًا بكسلًا. ثم، يُخصص لكل بكسل أحد متجهات المتوسطات التي تم إنشاؤها في الخطوة الأولى.

طريقة ISODATA

تم تطوير خوارزمية تقنية تحليل البيانات ذاتية التنظيم التكرارية (ISODATA) المستخدمة للتعرف على الأنماط متعددة الأطياف بواسطة جيفري إتش. بول وديفيد جيه. هول في معهد ستانفورد للأبحاث . [ 2 ]

خوارزمية ISODATA هي تعديل لخوارزمية التجميع k-means ، مع إضافة قواعد استدلالية مبنية على التجربة. ملخص: [ 3 ]

المدخلات: مجموعة البيانات، قيم التكوين التي يحددها المستخدم.

قم بتهيئة نقاط التجميع لخوارزمية k-means بشكل عشوائي.

استمر حتى يتم استيفاء شروط الإنهاء

قم بتشغيل بضع دورات من خوارزمية k-means.

قم بتقسيم نقطة المجموعة إلى نقطتين إذا كان الانحراف المعياري للنقاط في المجموعة مرتفعًا جدًا.

ادمج نقطتين من نقاط المجموعة في نقطة واحدة إذا كانت المسافة بين متوسطهما منخفضة للغاية.

احذف نقطة تجميع إذا كانت تحتوي على عدد قليل جدًا من نقاط البيانات.

احذف نقاط البيانات البعيدة جدًا عن نقطة التجمع الخاصة بها.

تحقق من الشروط الاستدلالية للإنهاء.

تم العثور على مجموعات.

هناك العديد من الشروط الاستدلالية المحتملة للإنهاء، وذلك اعتمادًا على طريقة التنفيذ.

مراجع

  1. ↑ ران، لينغيان؛ تشانغ، يانينغ؛ وي، وي؛ تشانغ، كيلين (23-10-2017). "إطار عمل لتصنيف الصور فائقة الطيف باستخدام ميزات أزواج البكسل المكانية" . مجلة Sensors . 17 (10): 2421. Bibcode : 2017Senso..17.2421R . doi : 10.3390/s17102421 . PMC 5677443. PMID 29065535 .  
  2. ↑ بول، جيفري هـ.؛ هول، ديفيد ج. (1965). إيزوداتا، طريقة جديدة لتحليل البيانات وتصنيف الأنماط . معهد ستانفورد للأبحاث.
  3. ↑ ميمارسادغي، نرجس؛ ماونت، ديفيد م .؛ نتنياهو، ناثان س .؛ لو موين، جاكلين (فبراير 2007). "تطبيق سريع لخوارزمية تجميع البيانات المتساوية" . المجلة الدولية للهندسة الحسابية وتطبيقاتها . 17 (1): 71-103 . doi : 10.1142/S0218195907002252 . ISSN 0218-1959 . 
  • بول، جيفري هـ.، وهال، ديفيد ج. (1965). إيزوداتا: طريقة لتحليل البيانات وتصنيف الأنماط . معهد ستانفورد للأبحاث، مينلو بارك، الولايات المتحدة. مكتب البحوث البحرية، فرع علوم المعلومات.
  • دودا، آر أو، هارت، بي إي، وستورك، دي جي (2001). تصنيف الأنماط . نيويورك: جون وايلي وأولاده.
  • جنسن، الابن (2005). مقدمة في معالجة الصور الرقمية: منظور الاستشعار عن بعد. أبر سادل ريفر  : بيرسون برنتيس هول.
  • بيلوكون، دبليو إف وآخرون (1997). دليل مرجعي للصور متعددة الأطياف. فيرفاكس: لوجيكون جيودايناميكس، إنك.