نشريه زمين شناسي مهندسي, جلد دوم، شماره ٢پاييز و زمستان ١٣٨٦

تفکيک واحدهاي سنگي ناحية ايران کوه اصفهان با استفاده از الگوريتم تهية تصاوير طبقهبندي شدة دادههاي ماهوارهاي ناحيه

رضا قائدرحمتي: دانشگاه لرستان، دانشکده فني مهندسي، گروه معدن
دکتر نادر فتحيان پور: دانشگاه صنعتي اصفهان، دانشکده مهندسي معدن حمزه اميري: دانشگاه تهران
تاريخ: دريافت ٢٥/٩/٨٤ پذيرش ١٠/١١/٨٦

1268732149348

Downloaded from jeg.khu.ac.ir at 11:39 IRST on Saturday October 28th 2017

Downloaded from jeg.khu.ac.ir at 11:39 IRST on Saturday October 28th 2017

چکيده
امروزه وجود داده هاي رقومي ماهواره اي و امکان دسترسي آسان و ارزان به اين داده ها و
همچنين در دسترس بودن بسته هاي نرم افزاري پرقدرت براي تجزيه و تحليل اين داده ها، باعث
جبران حج م وسيعي از عمليات صحرايي زمين شناسي شده است . يکي از موضوعات مهم
زمين شناسي، ترسيم و تعيين مرز دقيق واحد هاي زمين شناسي است، در اين مقاله با هدف تهية
نقشة طبقه بندي شده واحدهاي سنگي منطقه و جداسازي مرز دقيق واحد هاي مختلف ناحية
ايران کوه(شامل معادن باما واقع در ۲۵ کيلومتري جنوب غرب اصفهان) با استفاده از روش هاي
سنجش از دور، ابتدا پردازش ها و تصحيحات لازم بر روي داده هاي اين منطقه صورت گرفته
و سپس با به کارگيري انواع مختلف طبقه بندي مناسب ترين الگوريتم براي تهية نقشة کلاس هاي
مختلف واحد هاي سنگي در منطقه ارائه شده و در نهايت اين نقشه براي محدودة پژوهش تهيه
شده است . در الگوريتم ذکر شده، با به کارگيري تکنيکMNF و همچنين تعيين پيکسل هايخالص و سپس به کارگيري نمايشگرn بعدي تصوير طبقه بندي شده منطقه تهيه شده است .
سپس با استفاده پردازش هاي نهايي از جمله اجراي فيلترClump بر روي اين تصوير براي
انتقال پيکسل هاي حد واسط به درون کلاس ها و واضحتر شدن مرز کلاس ها تصوير نهايي
به عنوان نقشه واحدهاي سنگي منطقه تهيه شده است . با مقايس ة اين نقشه با مرز واحدهاي
سنگي ارائه شده در نقشه زمين شناسي منطقه که از طريق استفاده از عکس هاي هوايي و
پيمايش هاي صحرايي تهيه شود و همچنين مقايسه با ترکيب هاي رنگي ديگر از منطقه صحتو دقت عمليات قابل تأييد است.
واژه هاي کليدي : داده هاي ماهواره اي، سنجش از دور، الگوريتم طبقه بندي تصاوير، نقشهواحد هاي سنگي، روش MNF .
مقدمه
استفاده از داده هاي ماهواره اي و به کارگيري روش هاي مختلف تصوير، ابزاري مناسب درشناسايي و تفکيک واحدهاي سنگي مختلف، ساختارهاي زمين شناسي، زون هاي دگرساني و …
1268732149348

Downloaded from jeg.khu.ac.ir at 11:39 IRST on Saturday October 28th 2017

Downloaded from jeg.khu.ac.ir at 11:39 IRST on Saturday October 28th 2017

است که مي تواند زمين شناسان و مكتشفان را در دست يابي به نتايج بهتر و کاملتر در مدتزمان کوتاه تري ياري كند. تلفيق داده هاي به دست آمده از اين بررسي ها با برداشت هاي زمين، نتايج ارزنده اي را در بر خواهدداشت. روش هاي دورسنجي مي تواند به عنوان ابزاري براي زمين شناسان و متخصصان اکتشاف موادمعدني در تعيين موقعيت و نقشه برداري ساختاري،سنگ شناسي و شناسايي زون هاي آلتراسيون مورد استفاده قرار گيرد. در ميان روش هاي مختلف سنجش از دور، تکنيک طبقه بندي در تجزيه و تحليل، جداسازي و تعيين مرز واحدهايمختلف سنگ شناسي جا يگاه ويژه اي دارد. از آن جا که يکي از مشکلات اصلي در تهية نقشه هاي زمين شناسي تعيين مرز سازندهاست براي رفع اين نقيصه و افزايش دقت در تعيين مرز دقيقسازندها مي توان از تصوير طبقه بندي شدة داده هاي ماهواره اي آن منطقه استفاده كرد. در ناحيهبررسي شده (مجتمع معادن باما واقع در۲۵ کيلومتري غرب اصفهان) سوابق معدن کاري وپژوهش هاي زمين شناسي حاکي از مرتبط بودن کاني سازي سرب و روي با واحدهاي سنگيخاصي از جمله دولوميت است[٣]،[١٤] همچنين واحدهاي دولوميت و آهک و پراکندگيباندهاي دولوميتي در ميان طبقات آهکي و دشواري تشخيص مرز دقيق اين واحدها جداسازيو تعيين موقعيت دقيق تر واحدهاي مختلف سنگي در ناحيه بررسي شده را اجتناب ناپذير ميكند. تهيه نقشه واحدهاي سنگي منطقه با استفاده از داده هاي ماهواره هاي منابع زميني و پردازش آن ها يکي از مناسب ترين روش ها در شناسايي اکتشافي و زمين شناسي ناحيه ايران کوه است.
اجرا و پردازش هاي اوليه داده هاي ماهواره اي منطقه
داده هاي ماهواره اي مورد استفاده در اين پژوهش شامل داده هاي ASTER است. سنجنده استر۱۴ باند دارد كه دامنه طول موجيµm ۵۲/۰ تاµm ۶۵/۱۱ را با سه باند طيفي مرئي ونزديك مادون قرمز( باندهاي۱ تا ۳)، شش باند مادون قرمز طول موج كوتاه(باند هاي ۴ تا ۹) و پنج باند طيفي مادون قرمز حرارتي(باندهاي۱۰تا ۱۴) پوشش ميدهد[١]،[٢]،[٤]،[١٣].
با توجه به اين که باندهاي ۱۰ تا ۱۴ مربوط به طول موج حرارتي هستند در بررسي هاي اين۵ باند مورد استفاده قرار نمي گيرند. براي اجراي داده هايASTER در منطقه باندهاي۴ تا ۹ را که داراي توان تفکيک زميني ۳۰ متر هستند با باندهاي۱ تا ۳ که توان تفکيک ۱۵ متر دارندResize مي كنيم که باندهاي۱ تا ۹ ASTER تمامﹰا داراي توان تفکيک ۱۵ متر شوند و درمراحل بعد تصحيحات را بر روي اين باندها انجام مي دهيم[٥]،[١١].
1268732149348

Downloaded from jeg.khu.ac.ir at 11:39 IRST on Saturday October 28th 2017

Downloaded from jeg.khu.ac.ir at 11:39 IRST on Saturday October 28th 2017

تصحيح هندسي: در منطقة ايران كوه از آن جايي كه مختصات داده هاي ماهواره اي بانقشه هاي توپوگرافي و زمين شناسي معدن با ما مطابقت نداشته، كار تصحيح هندسي بر رويتصاوير ماهواره اي صورت گرفته است. روش به كار رفته بر اساس نقاط كنترل زميني بودهاست و نقاط مشخصي به عنوان نقاط كنترل زميني براي نمونه برداري مجدد در نظرگرفتهشده(تعداد ده نقطه) و تصحيح هندسي بر روي داده ها صورت گرفته است. بعد از انجامتصحيح هندسي ، نتايج به دست آمده رضايتبخش بوده و تمام داده هاي ماهواره ايASTER با نقشه هاي ذکر شده مطابقت نشان مي دهد.
تصحيح توپوگرافي : براي تصحيح نسبت سايه به شيب که عامل ايجاد آن توپوگرافي استاز نسبتگيري طيفي استفاده مي شود. براي اين منظور تمام تصاوير(به جز تصوير باند سوم) بر تصوير باند سوم تقسيم شده اند و تصوير باند سوم به باند چهارم تقسيم شده است[١] ،[٢].
فيلتراسيون: فيلترها در بسياري از فرآيندهاي مختلف به کار مي روند فيلترها به ويژه درهموارسازي١ تصوير، برجسته کردن حاشية تصوير ٢فيلترخطي٣ و تعيين حاشيه و خطوط عکس

Smoothing
Edge- enhancement
Linear Filter
اهميت دارند . در اين جا از فيلتر مديان(median)براي هموارسازي بر روي همة باندها استفاده شده است[٤]،[٥].
گسترش تصاوير ٤: در اينجا براي آشکار سازي و افزايش اختلاف در تصوير از بسط خطي استفاده شده است به اين ترتيب که تصاوير۹ باندASTER محدود ة بررسي شده ب ه طور خطي گسترش داده شده اند. لازم به ذکر است كه ابتدا با بررسي هيستوگرام هر تصوير مشاهدهشده است، توزيع اعداد پيکسل ها به شکل فشرده بوده و بهتر است که براي افزايش اختلاف از روش بسط تصاوير استفاده شود[١٦].
تکنيک طبقه بندي داده هاي سنجش از دور
1268732149348

Downloaded from jeg.khu.ac.ir at 11:39 IRST on Saturday October 28th 2017

Downloaded from jeg.khu.ac.ir at 11:39 IRST on Saturday October 28th 2017

طبقه بندي٥خودكار پيكسل هاي سازنده تصوير سنجش از دور اختصاص دادن برچسب ياكد به هر يك از پيكسلها را شامل ميشود كه نشاندهندة موضوع واقعي است. در طبقه بندي داده هاي سنجش از دور ارزش عددي هريك از پيكسلها بايد بهصورت نوعي پوششجغرافيايي، زمين شناسي و يا ساير عوارض سطح زمين، شناسايي شود؛ استفاده كننده انتظار دارد كه يك طبقه بندي خودكار، پيكسل موردنظر را بر اساس و مقايسه با انعكاسات طيفيموضوعات موجود در محل بررسي شده ، طبق ه بندي كند . در صورتي كه عمل اختصاص دادنبرچسب(كد) براي تمامي پيكسل هاي موجود در تصوير صورت گيرد، به جاي اطلاعات متنوعمربوط به يك مكان، همانند اطلاعاتي كه در نقشههاي توپوگرافي عرضه مي شود نقشه اي موضوعي به دست خواهد آمد كه نشان دهندة توزيع جغرافيايي عارضهاي از قبيل پوشش گياهييا آب يا نوع خاصي از واحدهاي سنگ شناختي خواهد بود و بنا بر اين تصوير طبقه بنديشد هاي به صورت يك نقشه چندکلاسة رقومي، نشان دهندة عوارض مختلف به دست مي آيد.
طبقه بندي هدايتشده
طبقه بندي هدايت شده سعي در برقراري ارتباط ميان مجموعه پيكسل ها با پوشش هاي
واقعي سطح زمين دارد بنا بر اين، اين مجموعه پيكسل ها رده هاي اطلاعاتي ناميده مي شوند.

4 . Streching
5. Classification
اين نوع طبقهبندي بر اساس اطلاعاتي غير از اطلاعات موجود در تصوير انجام مي گيرد و اينروش به داده هاي ورودي از طرف استفاده كننده قبل از استفاده از الگوريتم انتخاب شدهنيازمند است . طبقه بندي هدايت شده را مي توان به چندين روش انجام داد که از آن جمله، روش حداقل فاصله، روش متوازي السطوح و روش حداکثر شباهت را مي توان برشمرد. که دراين تحقيق هم از اين روشها استفاده شده است و سرانجام روش حداکثر شباهت انتخاب شده است.
روش حداکثر شباهت٦
شكل هندسي مجموعه اي از نقاط را كه نشان دهندة مجموعه اي از پيكسلهاي يك رده ياگروه است مي توان با بيضوي تعريف كرد كه جهت و ابعاد نسبي اين بيضوي به كوواريانسنمودهايp كه الگوي فضايي را مشخص مي سازند، بستگي دارد. يك شکل نزديك به دايره، كوواريانس صفر دارد، طول قطرهاي بيضي تصوير شده بر محور مختصات(X,Y) به انحرافمعيار دو متغير بستگي دارد. بنا بر اين موقعيت شكل و اندازة هر بيضي نشانه ميانگين، انحراف
1268732149348

Downloaded from jeg.khu.ac.ir at 11:39 IRST on Saturday October 28th 2017

Downloaded from jeg.khu.ac.ir at 11:39 IRST on Saturday October 28th 2017

معيار و كوواريانس دو متغير است و اين مسئله را ب هراحتي مي توان به سه و يا چند بعد تعميم داد.
اين بيضيها منحني هاي احتمال عضويت اعضاي هر كلاس را نشان مي دهند كه احتمالعضويت آن ها با فاصله گرفتن از مقدار ميانگين كاهش مييابد. بنا بر اين تنها شاخص برايتصميم گيري در مورد وابستگي يک نقطه به يک كلاس و يا كلاس ديگر فاصله نسبت به مركزنيست؛ زير ا شكل منحني هاي احتمال به ابعاد نسبي اقطار بيضي و همچنين جهت آن ها بستگيدارد[١].
طبقه بندي هدايت نشده
اين طبقه بندي مجموعه پيكسل ها را تعيين مي كند که از نظر ارزشهاي طيفي شباهت درون گروهي دا رند، ولي از نظر بين گروهي متفاوت هستند. بنا بر اين اين مجموعه پيكسل ها راطبقه بندي هاي طيفي مي نامند. طبقه بندي هدايت نشده نيازمند به دخالت كم کاربر دارد و لذا بهآن طبقه بندي هدايت نشده گفته مي شود[١].

6. Maximum likelihood method
الگوريتم تهيه تصوير طبقهبندي شده
بعد از كاربرد انواع روش هاي طبقه بندي هدايت شده از قبيل روش حداقل فاصله، روشمتوازي السطوح، روش حداکثر شباهت و روش هاي هدايت نشده از قبيل K-means و
Isodata بر روي داده هاي ماهواره اي منطقة پژوهش مناسب ترين الگوريتم براي تهية تصويرطبقه بندي شده به شکل زير ايجاد شده است(شکل۱). بدين ترتيب که بعد از انجام تصحيحات لازم بر روي باندها، MNF ٧ براي همه باندها محاسبه شده و سپس پيکسل هاي خالص با PPI ٨ به دست آورده شده است و در نمايشگرn بعدي نمايش داده شده و به ۱۴کلاس مختلف تقسيم شده اند سپس با کلاسه بندي هدايت شده از نوع حداکثر شباهت تصوير طبقه بندي شده محدوده پژوهش تهيه شده و با مقايسه اين تصوير با نقشة زمين شناسي منطقه و تصاويررنگي به دست آمده مخصوصﹲا تصوير۱،۳،۸ تطابق تغييرپذيري، بخوبي بين دو تصوير مشخصمي شود. اين طبقه بندي جواب قابل قبولي براي به نقشه در آوردن ليتولوژي منطقه است.

-241553-67055

1268732149348

Downloaded from jeg.khu.ac.ir at 11:39 IRST on Saturday October 28th 2017

Downloaded from jeg.khu.ac.ir at 11:39 IRST on Saturday October 28th 2017

شکل۱. الگوريتم تهية تصاوير طبقه بندي شده

تهيه تصوير طبقه بندي شده محدودة پژوهش
همبستگي بين داده هاي طيفي در محدودة پژوهش
براي محاسب ة هم بستگي بين تصاوير باندهاي مختلف ضرايب همبستگي، براي دوبه دو باندهاي مختلف محاسبه شده و در نتيجه ماتريس همبستگي به صورت جدول۱ به دست آمدهاست.

7. Minimum Noise Fraction
8 Pixel Purity Index.
يکي از اهداف تشکيل ماتريس همبستگي بين باندها تعيين کردن باندهايي است که روندمخالفي در نمايش سازندهاي منطقه دارند؛ يعني باندهايي که ضريب همبستگي دو به دو آن هاپايين باشد،که از آن ها مي توان در ساخت ترکيب هاي رنگي و نسبت هاي مختلف در آشکار سازي سازندهاي مختلف استفاده کرد[٣]،[٦]،[١٥].
1268732149348

Downloaded from jeg.khu.ac.ir at 11:39 IRST on Saturday October 28th 2017

Downloaded from jeg.khu.ac.ir at 11:39 IRST on Saturday October 28th 2017

جدول۱. ضريب همبستگي بين باندهاي مختلف دادههاي استر در محدوده ايرانکوه
باند٩ باند٨ باند٧ باند٦ باند٥ باند٤ باند٣ باند ٢ باند ١
-٠/٣٥٩ -٠/٢٦٥ -٠/٥٠٨ -٠/٨٠٠ -٠/٦٧١ -٠/٥٦٧ ٠/٦٧٦ ٠/٩٩٤ ١ باند١
-٠/٣٩٣ -٠/٢٤٨ -٠/٤٩٥ -٠/٧٨٨ -٠/٦٦٢ -٠/٥٤٥ ٠/٦٩٨ ١ ٠/٩٩٤ باند٢
-٠/٥٤٠ -٠/٤٢٥ -٠/٦٣٥ -٠/٧٤٧ -٠/٧٢٠ -٠/٧٠٩ ١ ٠/٦٩٨ ٠/٦٧٦ باند٣
٠/٨٤٠ ٠/٧٣٠ ٠/٩١٤ ٠/٩٠٩ ٠/٩٤٠ ١ -٠/٧٠٩ -٠/٥٤٥ -٠/٥٦٧ باند٤
٠/٩٠٧ ٠/٧٢٠ ٠/٩٥١ ٠/٩٧١ ١ ٠/٩٤٠ -٠/٧٢٠ -٠/٦٦٢ -٠/٦٧١ باند٥
٠/٨٢١ ٠/٦١٢ ٠/٨٨٧ ١ ٠/٩٧١ ٠/٩٠٩ -٠/٧٤٧ -٠/٧٨٨ -٠/٨٠٠ باند٦
٠/٩٣٥ ٠/٨٦٣ ١ ٠/٨٨٧ ٠/٩٥١ ٠/٩١٤ -٠/٦٣٥ -٠/٤٩٥ -٠/٥٠٨ باند٧
٠/٧٩٤ ١ ٠/٨٦٣ ٠/٦١٢ ٠/٧٢٠ ٠/٧٣٠ -٠/٤٢٥ -٠/٢٤٨ -٠/٢٦٥ باند٨
١ ٠/٧٩٤ ٠/٩٣٥ ٠/٨٢١ ٠/٩٠٧ ٠/٨٤٠ -٠/٥٤٠ -٠/٣٩٣ -٠/٣٩٥ باند٩
تجزيه مؤلفههاي اصلي٩
اطلاعات باندهاي مختلف تصاوير چند طيفي سنجش از دور غالبﹰا همبستگي دارند . معمو ﹰلا همبستگي منفي ميان باندهاي مرئي و مادون قرمز و مثبت بين باندهاي مرئي بر رويپوشش هاي خاكي و سنگي وجود دارد. وجود همبستگي ميان تصاوير باندهاي چند طيفيحكايت از وجود اطلاعات مشترك، و يا به عبارت ديگر تكرار اطلاعات است. وجود اطلاعات مشترك در باندها به صورت همبستگي ميان آن ها آشكار ميشود.

9. Principal Component Analysis
اطلاعات موجود در باندهاي چند طيفي غالبﹰا ابعادي كم تر از تعداد باندها دارند هدف از آناليزمؤلفه هاي اصلي تعيين تعداد ابعاد موجود در يك مجموعه اطلاعاتي است. تعيين ضرايبشاخص موقعيت محورهايي كه دلالت بر وجود حداكثر تغييرپذيري را دارند از اهداف ديگرآناليز مؤلفه هاي اصلي است. اين محورها همبستگي ندارند. انتظار مي رود كه تبديل مؤلفه هاي اصلي يك سري تصاوير چندطيفي بتواند ابعاد اطلاعات و محورهاي اصلي تغييرپذير را دراطلاعات تعيين كند. اين خصوصيات آناليز مؤلفه هاي اص لي براي فشردهكردن اطلاعات بسيارمفيد است . به اين ترتيب براي هر مؤلفه اصلي يا بردار ويژه متناظراﹰ يك تصوير که معرفتغييرپذيري در جهت آن بردار است به دست مي آيد[١]،[٣]،[١٥]. لذا با اين اهداف آناليز مؤلفه هاي اصلي بر روي باندهاي يک تا نه داده هاي استر ناحيه پژوهش صورت گرفته استکه در ادامه از نتايج اين آناليز استفاده شده است.

تهيه ترکيب هاي رنگي١٠
1268732149348

Downloaded from jeg.khu.ac.ir at 11:39 IRST on Saturday October 28th 2017

Downloaded from jeg.khu.ac.ir at 11:39 IRST on Saturday October 28th 2017

از آن جا که اغلب تصاوير ماهواره اي در فرمت هاي چندباندي موجود است، بررسيداده هاي يک باند در برهه اي از زمان حداکثر اطلاعات را به دست نمي دهد. آگاهي از روابطمتقابل بين طول موجهاي مختلف براي شناسايي عوارض و انواع مختلف پوشش زمين بسيارمهم است و نمايش دادن بيش از يک باند به طور هم زمان برروي سيستم پردازش تصوير وتهية نسخ ة چاپي چندباندي سودمند و ثمربخش خواهد بود اين کار اغلب از طريق به کارگيريتصاوير ترکيبي رنگي ميسر است . در اين حالت سه باند از داده ها به رنگ هاي آبي، سبز و قرمز نمايش داده مي شوند. همچنان که در بخش هاي قبلي گفته شد در ساخت ترکيب هاي رنگيکاذب بهتر است از باندهايي که همبستگي کم تري نسبت به هم دارند استفاده شود. يک روشبراي مشخص کردن باندهاي سه گانه استفاده از فاکتور شاخص بهينه١١(OIF) بدين صورت زير
∑3 Sk .است
217551089412

OIF = k =31
∑rj
j=1

Colour Composite Image
Optimum Index Factor
كه در آن Sk انحراف معيار باند rj,k ضريب هم بستگي دو باند از تركيب سه باند است.[٣]، [۱۵].
هرچه شاخص OIF بالا باشد باندهاي سه گانه تركيب رنگي كاذب براي تفكيك مناسب ترند.
با استفاده از نرم افزار تركيبهاي رنگ ي كاذب (آبي-سبز- قرمز )۱-۴- ۹، ۱-۳-۶،۱-۴-۷، ۳-۵-۸،۱-۳-۸ و ۱-۳-۹ از باندهاي مختلف تهيه شده است بر اساسOIF (جدول۲) تركيب
۱-۳-۸ و همچنين ترکيب رنگي حاصل از سه مؤلفه اول آناليز مؤلفه هاي اصلي تمام باندهابراي تفكيك واحدهاي سنگي و تشخيص نوع ليتولوژي مناسبتر تشخيص داده شده است (شکل۲ و۳).

جدول۲. مقادير محاسبه شده شاخص OIF براي ترکيب هاي رنگي مختلف از داده هاي
استر ناحية پژوهش
1268732149348

Downloaded from jeg.khu.ac.ir at 11:39 IRST on Saturday October 28th 2017

Downloaded from jeg.khu.ac.ir at 11:39 IRST on Saturday October 28th 2017

مقدار شاخص OIF ترکيب سه باندي
۲۲,۳۱ ۹-۴-۱
۱۵,۸۰ ۶-۳-۱
۲۰,۲۱ ۷-۴-۱
۲۹,۴۵ ۸-۵-۳
۲۹,۵۲ ۸-۳-۱
۳۷ ۰۱ PCA1-PCA2-PCA3
,
-241553-1064406



قیمت: تومان

دسته بندی : زمین شناسی

دیدگاهتان را بنویسید