జర్నల్ ఆఫ్ రిమోట్ సెన్సింగ్ & GIS

నైరూప్య

సాఫ్ట్ వర్గీకరణదారుల FCM & PCM కోసం తాత్కాలిక డేటా యొక్క డేటా గుర్తింపు

రంజన శర్మ, PK గార్గ్, RKDwivedi, మోహన్ విశాల్ గుప్తా

సాధారణంగా, మల్టీస్పెక్ట్రల్ వర్గీకరణలు పర్యవేక్షించబడిన, పర్యవేక్షించబడని లేదా మసక ఆధారిత విధానాలను ఉపయోగించి చిత్ర వర్గీకరణ కోసం ఎంపికల పూర్తి సూట్‌ను అందిస్తాయి. ఇమేజ్ ప్రాసెసింగ్ 10 కేటగిరీలుగా విభజించబడింది: ఇమేజ్ యొక్క పునరుద్ధరణ, ఇమేజ్ మెరుగుదల, ఇమేజ్ ట్రాన్స్‌ఫర్మేషన్, ఇమేజ్ యొక్క సిగ్నేచర్ డెవలప్‌మెంట్, హార్డ్ క్లాసిఫైయర్‌లు మరియు ఇమేజ్ కోసం సాఫ్ట్ క్లాసిఫైయర్‌లు, హార్డ్‌నెర్‌లు మరియు ఇమేజ్ యొక్క హైపర్ స్పెక్ట్రల్ విశ్లేషణ మరియు ఫలితం యొక్క ఖచ్చితత్వ అంచనా. హార్డ్ వర్గీకరణలు సాధారణంగా ఇమేజ్ వర్గీకరణలో ఉపయోగించబడతాయి, ఇక్కడ పిక్సెల్ 0 లేదా 1 సభ్యత్వ విలువను కలిగి ఉంటుంది, కనుక ఇది స్వచ్ఛమైన పిక్సెల్‌గా పరిగణించబడుతుంది. సాఫ్ట్ క్లాసిఫైయర్‌లో పిక్సెల్ స్వభావం మిశ్రమంగా ఉంటుంది. సాఫ్ట్ వర్గీకరణదారుల పిక్సెల్ బహుళ తరగతులకు చెందినది. అస్పష్టమైన సెట్ సిద్ధాంతం ద్వారా మనం చిత్రం యొక్క బహుళ స్వంత పిక్సెల్ సమస్యను పరిష్కరించవచ్చు. అస్పష్టమైన సెట్‌లోని సభ్యత్వ విలువ యొక్క పరిధులు 0 మరియు 1, ఇక్కడ 0 మరియు 1 మధ్య ఉన్న విలువ పిక్సెల్‌లో సమాచారం సంభవించే నిష్పత్తిని నిర్వచిస్తుంది. సెన్సార్ సిగ్నల్ విశ్లేషణ, అనిశ్చితి కనిష్టీకరణ వంటి అనేక అనువర్తనాల్లో ఈ భావన ఉపయోగించబడింది. ఈ అధ్యయనంలో, పిక్సెల్ స్థాయిలో మల్టీ-స్పెక్ట్రల్ డేటా సెట్‌ల కోసం క్లాసిఫైయర్‌ల అవుట్‌పుట్‌పై ఖచ్చితత్వ పద్ధతి (ఎంట్రోపీ) ఫలితాన్ని తెలుసుకోవడానికి ఎంట్రోపీతో మసక సాఫ్ట్ వర్గీకరణలు మరియు హైబ్రిడ్ మసక ఆధారిత వర్గీకరణ, ఎంట్రోపీ ఆధారిత నాయిస్ క్లస్టరింగ్ ఉపయోగించబడ్డాయి. కానీ ఏ వర్గీకరణ అయినా దాని ఖచ్చితత్వాన్ని అంచనా వేయకుండా అసంపూర్ణంగా పరిగణించబడుతుంది. డేటా ఇన్‌పుట్, విజువలైజేషన్, మెరుగుదలలు, పరివర్తనాలు, వర్గీకరణ, ఖచ్చితత్వ అంచనా మరియు అవుట్‌పుట్‌తో పాటు ఇతర GIS ఆధారిత మాడ్యూల్‌లకు సంబంధించిన మాడ్యూల్‌ను అందించే వివిధ వాణిజ్య సంస్థలు ఇమేజ్ ప్రాసెసింగ్ టూల్‌ను పరిచయం చేశాయి. ఇమేజ్ ప్రాసెసింగ్ మాడ్యూల్‌ను బాగా నిర్వచించిన కొన్ని ప్రముఖ GIS సాఫ్ట్‌వేర్‌లు ERDAS ఇమాజిన్, IDRISI, ENVI మరియు ER మ్యాపర్, అయితే సాఫ్ట్ క్లాసిఫైడ్ అవుట్‌పుట్ మూల్యాంకనం కోసం ఈ సాఫ్ట్‌వేర్ ద్వారా ఖచ్చితత్వ అంచనాకు మద్దతు లేదు. కాబట్టి, ఈ అధ్యయనంలో అటువంటి సమస్యలను నిర్వహించడానికి ఒక సాధనం అభివృద్ధి చేయబడింది. ఈ సాధనం ప్రధానంగా సాఫ్ట్ వర్గీకరణ అల్గారిథమ్‌పై దృష్టి పెడుతుంది. ఇది ఎంట్రోపీని కలిగి ఉన్న ఫజ్జీ బేస్డ్ ఇమేజ్ క్లాసిఫైయర్ టూల్ (FBICET)గా పేరు పెట్టబడింది. ఉపగ్రహ చిత్రం FBICETని ఉపయోగించి మంచి ఖచ్చితత్వంతో విజయవంతంగా వర్గీకరించబడింది.