میلاد نیرومند جدیدی - دانشجوی کارشناسی ارشد مهندسی سنجش از دور دانشگاه صنعتی خواجه نصیرالدین طوسی
مهدی مختارزاده - دانشیار گروه مهندسی سنجش از دور دانشگاه صنعتی خواجه نصیرالدین طوسی
محمودرضا صاحبی - استادیار گروه مهندسی سنجش از دور دانشگاه صنعتی خواجه نصیرالدین طوسی

یکی از چالشهای بسیار مهم در تهیه نقشه پوشش اراضی با استفاده از تصاویر سنجش از دور، مشکل مربوط به پیکسلهای مخلوط است. با توسعه روشهای تجزیه اختلاط طیفی و طبقهبندی کنندههای نرم، امکان برآورد سهم کلاسها در سطح زیرپیکسل فراهم می آید و برچسبهای چندگانه به پیکسلها اختصاص داده میشود. با وجود این، تولید نقشه پوششی در سطح زیرپیکسل نیازمند جانمایی مکانی زیرپیکسلها است. در سالهای اخیر، روشهای تهیه نقشه در سطح زیرپیکسل توسعه یافتهاند و با استفاده از نتایج طبقهبندی کنندههای نرم و بهرهگیری از مفاهیم وابستگی مکانی، آرایش مکانی زیرپیکسلها را بهینهسازی میکنند. در این تحقیق، دقت کلی الگوریتم شبیهسازی تبرید برای تهیه نقشه پوششی در سطح زیرپیکسل مورد ارزیابی قرار گرفته و همچنین، مکانیزم جدیدی در این روش، برای تولید پاسخهای جدید در هر مرحله از الگوریتم پیشنهاد شده و با نتایج روش موجود مقایسه شده است. از دیگرسو، پارامترهای موثر بر عملکرد الگوریتم مانند ضریب بزرگنمایی، نوع تابع خنکسازی و تکرارهای ایستا و پویا در عملکرد الگوریتم بررسی شده اند. در فرایند ارزیابی دقت کلی الگوریتم، دو روش مستقل از خطای طبقهبندی نرم و وابسته به این خطا لحاظ شده است. براساس نتایج، افزایش ضریب بزرگنمایی موجب کاهش دقت الگوریتم شبیهسازی تبرید شده و همچنین، تابع خنکسازی هندسی به لحاظ دقت و زمان اجرای الگوریتم، به منزله تابع بهینه انتخاب شده است. از طرف دیگر، تکرارهای پویا نیز، در مقایسه با حالت ایستا دقت بیشتری داشته است. روش پیشنهادی برای تولید پاسخهای جدید در الگوریتم شبیهسازی تبرید دستاورد مهم تحقیق به شمار می آید که دقت کلی را به نسبت روش موجود، افزایش داده و همچنین، زمان اجرای الگوریتم را تا ۵۰% کاهش داده است. بیشترین دقت کلی الگوریتم براساس روش پیشنهادی و مستقل از خطای طبقهبندی نرم ۹۷/۹۴% برآورد شد.

پوشش اراضی, زیرپیکسل, طبقهبندی نرم, الگوریتم شبیهسازی تبرید, تابع خنکسازی, ضریب بزرگنمایی