نرمالیزاسیون رادیومتریک اتوماتیک تصاویر ماهواره ای چندزمانه مبتنی برتبدیل IR-MAD و شبکه های عصبی مصنوعی

نرمالیزاسیون رادیومتریک نسبی، اغلب در آنالیز های تصاویر ماهواره ای چندزمانه، خصوصا در آشکارسازی تغییرات کاربری اراضی مورد استفاده قرار می گیرد. در این تحقیق ضمن بررسی تبدیل IR-MAD، تکنیک جدیدی مبتنی بر تبدیل IR-MAD و شبکه های عصبی مصنوعی توسعه داده شده است. تکنیک پیشنهادی بر روی تصاویر ماهواره ای چندزمانه لندست تی ام متعلق به سال های 1989و2010 شهر تبریز، پیاده سازی شده است. استفاده از ترکیب خطی تصاویر ماهواره ای چندزمانه، انتقال این تصاویر به فضای دیگر و تکراری بودن فرآیند تبدیل IR-MAD باعث شده که این تبدیل به عنوان روشی مستقل از نویز آماری و شرایط اتمسفری در جهت شناسایی تغییرات و انتخاب نقاط کنترل رادیومتریکی در این تحقیق بکار رود. همچنین قابلیت و انعطاف بالای شبکه عصبی مصنوعی در تقریب توابع غیرخطی و خطی پیوسته در فضای ترکیبی باعث شد که از این شبکه ها در مدلسازی رابطه بین نقاط کنترل رادیومتریکی در تصاویر ماهواره ای چندزمانه استفاده گردد. معیار های ارزیابی بکار رفته در این تحقیق، شامل میانگین خطای کمترین مربعات و آزمون های آماری t و F می باشد. نتایج نشان می دهد که استفاده از روش پیشنهادی موجب افزایش دقت و عملکرد نرمالیزاسیون رادیومتریک نسبی شده است. روش توسعه داده شده در این تحقیق از نظر میانگین خطای کمترین مربعات در تمامی باند های طیفی نسبت به روش IR-MAD و داده های خام بترتیب 11/0 و 13/8 درصد افزایش دقت داشته است.