fa یک الگوریتم جدید برای تشخیص نواحی پوشش‌گیاهی و سایه در تصاویر هوایی/ماهواره‌ای با تفکیک مکانی بالا بر اساس روش تحلیل مولفه‌های اصلی مخابرات Communication پژوهشي Research <span style="font-family:b nazanin;"><span style="font-size:11.0pt;">استفاده از داده‌های سنجش از دور در بررسی خصوصیات پوشش‌گیاهی می‌تواند منجر به صرف هزینه و زمان کمتر و دستیابی به اطلاعات دقیق‌تر گردد. در این مقاله روشی خودکار برای شناسایی نواحی پوشش‌گیاهی و سایه در تصاویر هوایی و ماهواره‌ای با تفکیک مکانی بالا ارائه شده است. روش پیشنهادی تنها از اطلاعات سه کانال اصلی تصویر (</span></span><span dir="LTR" style="font-weight:normal;"><span style="font-size:10.0pt;">RGB</span></span><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">) استفاده نموده و دارای دو فاز مدل‌سازی و تست می‌باشد. در فاز مدل‌سازی، ویژگی‌های بافت و رنگ از پیکسل‌های تعداد محدودی نمونه آموزشی استخراج شده و با استفاده از روش تحلیل مولفه‌های اصلی، مدلی کمی برای کلاس‌های پوشش گیاهی و سایه بدست می‌آید. در فاز تست، ابتدا بردار ویژگی متناظر با هر یک از پیکسل‌های تصویر ورودی محاسبه می‌گردد. سپس، میزان انطباق هر یک از بردارهای ویژگی با مدل استخراجی بررسی شده و خطای عدم تطبیق محاسبه می‌گردد. به این ترتیب، برای هر یک از مدل‌های پوشش گیاهی و سایه، یک تصویر خطا بدست خواهد آمد. در نهایت، با اعمال آستانه مناسب به هر یک از تصاویر مذکور، نواحی پوشش گیاهی و سایه از پس‌زمینه تفکیک می‌شوند. نتایج تجربی بیانگر عملکرد مناسب روش پیشنهادی در مقایسه با چند الگوریتم رقیب می‌باشد.</span></span> Evaluation of vegetation cover by using the remote sensing data can provide enhanced results with less time and expense. In this paper, we propose a new automatic algorithm for detection of vegetation and shadow regions in high-resolution satellite/aerial images. It uses only color channels of the image and involves two modeling and evaluation phases. In the modeling phase, after extracting color and texture features for the pixels within a few manually-indicated vegetation areas, two distinct models are obtained based on the principle component analysis. In the evaluation phase, the same color and texture features are primarily computed for every pixel of the given image. Then, an error value is computed for each pixel which determines the model mismatch score. Finally, by thresholding the error image which includes all the error values, the vegetation and shadow regions are distinguished from the background. Experimental results demonstrated outstanding solution quality of the proposed algorithm compared to a number of counterpart algorithms. سنجش از دور, بخش‌بندی پوشش‌گیاهی و سایه, تحلیل مولفه اصلی. Remote Sensing, Vegetation and Shadow Segmentation, Principal Component Analysis. 25 43 http://jiaeee.com/browse.php?a_code=A-10-451-3&slc_lang=fa&sid=1 marjan mazruei مرجان مزروعی marjan.mazruei@stu.um.ac.ir 10031947532846002879 10031947532846002879 Yes Faculty of Computer Engineering, Department of Engineering, Ferdowsi University of Mashhad, Mashhad, Iran. گروه مهندسی کامپیوتر- دانشکده مهندسی- دانشگاه فردوسی مشهد- مشهد mahdi Saadatmand-Tarzjan مهدی سعادتمند طرزجان saadatmand@um.ac.ir 10031947532846002880 10031947532846002880 No Assistant Professor, Faculty of Electrical Engineering, Department of Engineering, Ferdowsi University of Mashhad, Mashhad, Iran. گروه برق- دانشکده مهندسی برق- دانشگاه فردوسی مشهد-مشهد