fa تاثیراستفاده از اطلاعات همسایگی مکانی در دقت خوشه‌بندی تصاویرماهواره‌ای فتوگرامتری و سنجش از دور Photo&RS پژوهشي Research <div align="right" style="direction: rtl"> تا کنون برای بهبود دقت روش‌های خوشه‌بندی پیشنهادات متعددی ارایه شده است که از آن جمله می‌توان به استفاده از روش‌های ‏نیمه نظارت شده، ترکیب خوشه‌بندی‌ها و خوشه‌بندی دوگانه اشاره نمود. ‏یکی از مهمترین رویکردها در این زمینه استفاده از اطلاعات مکانی تصویر می‌باشد. در این تحقیق چهار روش خوشه‌بندی که از اطلاعات مکانی سطح تصویر استفاده می-کنند با یکدیگر مقایسه گردید. این چهار روش شامل اعمال فیلتر اکثریت، استفاده از داده‌های بافت، خوشه‌بندی مبتنی بر شیء، و استفاده از میدان‌های تصادفی مارکوف می‌باشند که در کنار روش خوشه‌بندی k-means ساده روی چهار نمونه تصویر آزمایش شدند. استفاده از داده‌های بافت برای تصاویر واقعی تا 10.8 درصد و روش میدان‌های تصادفی مارکوف برای تصاویر شبیه‌سازی شده با 22.8 درصد بیشترین افزایش دقت را نسبت به خوشه‌بندی k-means نشان داده‌اند. نتایج این پژوهش نشان می‌دهند که استفاده از خوشه‌بندی k-means در شکل ساده‌اش به هیچ وجه همه توانایی اطلاعاتی تصویر را به کار نمی‌گیرد و نتایج و انتظارات کاربر را برآورده نخواهد کرد و استفاده از اطلاعات همسایگی یکی از بهترین راهکارهای افزایش دقت می‌باشد. </div> In order to enhance the accuracy of the image clustering, many clustering algorithms such as semi-supervised clustering, clustering ensembles and Co-clustering have so far been proposed where the most effective strategy is when spatial context in clustering is considered. In this study, four clustering methods in which the spatial neighborhood information is used are investigated. These include: using texture information, object based clustering, Markov random field clustering and applying majority filter on the clustering results. These four methods are tested on the two synthetic and two real high resolution satellite images. The results show that using texture information in clustering can enhance the overall accuracy of the clustering of the real images up to 10.8% relative to the simple k-means clustering. Markov random field clustering of the synthetic images shows 22.8% improvement in overall accuracy. The results show that using spatial context can enhance the overall accuracy of the satellite image clustering اطلاعات مکانی, تصویر ماهواره‌ای, خوشه‌بندی, سنجش‌ازدور Clustering, Remote Sensing, Satellite Image, Spatial Context 77 90 http://jgst.issgeac.ir/browse.php?a_code=A-10-25-27&slc_lang=fa&sid=1 S. B. Fatemi سید باقر فاطمی sbfatemi@gmail.com 10031947532846001755 10031947532846001755 Yes گروه فتوگرامتری و سنجش از دور - دانشکده مهندسی نقشه‌برداری - دانشگاه خواجه نصیر الدین طوسی M. R. Mobasheri محمدرضا مباشری mobasheri@kntu.ac.ir 10031947532846001756 10031947532846001756 No گروه فتوگرامتری و سنجش از دور - دانشکده مهندسی نقشه‌برداری - دانشگاه خواجه نصیر الدین طوسی A. A. Abkar علی اکبر آبکار abkar@kntu.ac.ir 10031947532846001757 10031947532846001757 No گروه فتوگرامتری و سنجش از دور - دانشکده مهندسی نقشه‌برداری - دانشگاه خواجه نصیر الدین طوسی