تمت في كلية الادارة والاقتصاد جامعة بغداد ، مناقشة اطروحة دكتوراه في تخصص الاحصاء للطالبة (اسيل مسلم عيسى ) بأشراف أ. م. د. اسماء غالب جابر عن اطروحتها الموسومة (استعمال بعض اساليب متعددة المتغيرات لتقليل الابعاد ومعالجة الصور الرقمية (تحسين , تقطيع الصور) مع تطبيق عملي)
ان مفهوم الاستشعار عن بعد يلعب دورا مهما في عملية معالجة صور متعدد الاطياف الملتقطة من قبل الاقمار الصناعية والتي تلتقط عدد من الصور لمشهد , وان كل حزمة طيفية تحتوي على جزء كبير من المعلومات المتمثلة بالنقاط الصورية المكونة لها والمتفاوتة في مستويات أضاءتها وهذا سيؤدي الى خلق ارتباط بين النقاط الصورية وبالتالي سيكون هنالك فائض كبير في المعلومات التي يمكن استبعادها.
في هذا البحث تم استعراض بعض اساليب الاحصائية متعددة المتغيرات في تقليل ابعاد الصور الرقمية كمرحلة اولية اذ تم استعمال خوارزمية تحليل المركبات الرئيسة(PCA) واقتراح توظيف خوارزمية تقليص واختيار القيم المطلقة الصغرى المقترحة (LASSO) في حال كون التراكيب خطيه وخوارزمية المركبات الرئيسة اللبيه (KPCA) في حال كون المركبات لاخطية وقد تم التطبيق على الصور متعددة الاطياف لمشهد مدينة الرمادي غرب العراق ومشهد منطقة الاهوار في محافظة البصرة جنوب العراق بالاعتماد على نظام TM والذي يمثل الحزم الصورية للقمر الصناعي (Landsat-5) .
وعند المقارنة بين الخوارزميات باستعمال معيار MSE بالنسبة الحزم الصورية الافضل تم التوصل الى ان طريقة PCA افضل للخوارزميات الاربع وهذا يدل على ان بيانات الحزم الصورية خطيه وان خوارزمية تحليل المركبات الرئيسة قادرة على اختزال كمٍ كبيرٍ من المعلومات الفائضة في عدد محدد من العوامل التي تختزل مجمل التباينات.
بعد عملية تقليل الابعاد تم معالجة الحزم الصورية الافضل الناتجة من خوارزمية تحليل المركبات الرئيسة والتي تعد المرحلة الثانية اذ تمت المعالجة بعملية التحسين بوساطة خوارزمية المدرج التكراري (Algorithm histogram) وخوارزمية استكمال الشرائح (Cubic Spline interpolation Algorithm)) وعملية التقطيع بوساطة خوارزمية مستجمعات (Watershed Algorithm)وخوارزمية متوسط الازاحة(Mean Shift Algorithem) .
وتم التوصل في عملية التحسين ان خوارزمية استكمال الشرائح المكعبة هو اكثر كفائة في اعطاء صور اكثر وضوحا من خوارزمية تعديل المدرج التكراري في تحسين الصورة دون الاهتمام بمدى التوزيع اللوني للتدرجات الرمادية. اما عملية التقطيع باستعمال خوارزمية مستجمعات المياه (watershed) المعتمده على الحواف اثبتت كفاءتها في اعطاء صور ذات خطوط تجزئة للمناطق اكثر وضوحا وتكون هذه المناطق اكثر تجانس من تقنيات التقطيع الاخرى ، وفي الوقت نفسه تم اقتراح توظيف احد الاساليب الاحصائية التقطيع الصوري وهي خوارزمية متوسط الازاحة(Mean Shift) المعتمد على اسلوب العنقدة فقد اعطت تحديدا واضحا للحافات في الصوره اذ تم ازالة الخلايا الغير مهمة من الصورة اي الخلايا التي تلامس الحواف الداخلية والخارجية. وتم تنفيذ الخوارزميات والطرائق الخاصة بالبحث من خلال برنامج ( Matlab Version 2017).
وقد توصلت الدراسة الى مجموعة من الاستنتاجات اهمها :
- من خلال تنفيذ تقنيات تقليل الابعاد المعتمدة تم الحصول على صورة تحتوي اغلب المعلومات لنتمكن من دراسة محتوياتها ومعرفة اجزاء اخرى اكثر دقة .
- ان تقنيات تقليل الابعاد المعتمدة اثبتت انها قادرة على زيادة تجانس العناصر الصورية المكونة للصور الناتجة، وأيضا تميزت بمقدرتها على تقليل الاحجام الصورية فضلا عن مهمتها الرئيسة والمتمثلة بتقليل الابعاد مع الحفاظ على ابرز الخصائص الاحصائية واللونية للصورة قبل تقليل إحجامها وإبعادها.
عند اختيار افضل حزمة صوريه باستعمال الحزم الصورية للمنطقة الغربيه وبالاعتماد على القيم الكامنة للطرائق التي اعطت نتائج عاليه ودقيقه في تحديد افضل حزمة صوريه من بين الحزم الصورية الست
- بيت النتائج باستعمال معيار MSE ان طريقة PCA افضل وهذا يدل على ان البيانات هي بيانات خطيه .اثبتت نتائج تحليل المركبات الرئيسة بأنها قادرة على اختزال كمٍ كبيرٍ من المعلومات الفائضة في عدد محدد من العوامل التي تختزل مجمل التباينات. والتي تستعمل للتحليل كعزل المناطق المائية والمناطق الزراعيه ونوع التربه وغيرها.
- تم التوصل الى ان طريقة KPCA تأتي بعد PCA ,اذ تكون جيدة في حالة كون البيانات لاخطية اذ تعطي نتائج جيدة .
ومن خلال الاستنتاجات التي توصلت اليها الدراسة قدم الباحث عدد من التوصيات اهمها :
- تطبيق اساليب تقليل ابعاد مختلفة اخرى مثل الارتباط القويم (Canonical Correlation) والتحليل المتناظر ومقارنة النتائج مع تقنية تحليل المركبات الرئيسة كأساليب خطية لتقليل الابعاد.
- اعتماد اساليب غير خطية لتقليل الابعاد الصورية ومقارنة النتائج مع تقنية تحليل المركبات الرئيسة كأساليب خطية وأخرى غير خطية لتخفيض الابعاد.
- استعمال صيغ من الدوال Kernel غير المذكورة في البحث لتقليل الابعاد الصورية وغيرها من الدوال لمعرفة كفاءة الدوال في عملية تقليل الابعاد .
- استعمال طرائق لامعلمية مثل (Smoothing Spline) في عملية تحسين الصور الرقميه ومقارنة النتائج مع التقنيات الموجودة التي تم استعمالها .
- استعمال تحويلات المويجة في عملية التحسين الصور الرقمية ومقارنة النتائج مع تقنية طريقة المدرج التكراري وتقنية استكمال الشرائح المكعبة عن طريق اظهار المعلومات المخفية للصور الرقمية .