Wikipedia طرفان

‎

سنڌي اصطلاح انگريزي اصطلاح اعداد اعدادخانو عدد عددي ضماءُ عڪس عڪس نُما گھڻ تعابيل عڪس سليٽي پيما عڪس عَڪسِل تحلل چشمياتي راڊار جڙتُو مهانڊي برق (اڳياڙي) برق مقناطي انڊم انڊمي ڪل رنگي يڪ انڊمي اندري گھڻ اندرياتي ڏور اندريات ڏور اندرياتي اپگرهه ڏور اندرياتي مرڪز ڏور اندرياتي عڪس سهجياڀياس ڳڻپيوڪر بصرت شبي نظر چڪراٽي جھاڪائي پاسائتي عددي اُڀاوَتِي ماڊل عددي مٿاڇراتي نقشو ڀون پيمائش ڀون ماپي وايومنڊلي بگاڙ ڌر اوڇڻ طبي عڪس ڀونءِ نگاري اطلاعت خلا/ پولار خلائي رَٿَ فضائي رَٿَ مبدل تبدل مُک جزياتي ڇيد ڇاڻي ڇاڻڪاري مخروط شدت هيُو رَچاءُ لهرڙي وَڌانوَڌ هڪجهڙائپ جياڀياس تَنتِي ڄارڪو ڪردگيڪٿ سُڀاءُ پيما سهنسبت نِيمپيما تُزگِي تُزگي ازِ استعماليندڙ تُزگي از اُپتڪار data database digit digital fusion image image display multi-exposure image grey scale image pixel resolution optical radar synthetic apperture electro (prefix) electromagnetic spectrum spectral panchromatic monochromatic sensor multi-sensor remote sensing remote sensing satellite remote sensing centre remote sensing image ecology computer vision night vision roll yaw pitch digital elevation model digital surface map geometry geometric atmospheric distortion land cover medical image geography information space space craft air craft transform transformation principal component analysis filter filtering pyramid intensity hue saturation wavelet maximum likelihood biology neural network (performance) evaluation quality metric(s) correlation parameter(s) accuracy user's accuracy producer's accuracy

فهرست 1 ليکڪ 2 نگران پروفيسرس 3 مهاڳ 4 تجرِيدَ 5 تعارف 5.1 اعداد ضماءُ Data Fusion 5.2 عڪس ضماءُ 5.3 عڪس ضماءُ جا مصرف 6 ڏور اِندرياتي عڪسَ Remote Sensing Images 6.1 چشمياتي عڪس 6.1.1 يَڪ اِنڊَمِي عڪس 6.1.2 گھَڻ اِنڊَمِي (گھام) عڪس 6.2 جُڙتُو مُهانڊِي راڊار (جُمُر) عڪس 7 ڏور اِندرياتي عڪس ضماءُ 7.1 چشمياتي عڪسن جو ضماءُ 7.2 جُمُر عڪسن جو ضماءُ 7.3 جُمُر عڪس ۽ چشمياتي عڪس جو ضماءُ 7.4 عڪس ضماءُ جون سَطَحُونَ 7.4.1 عڪسل سَطَحِي ضماءُ 7.4.2 عڪسل سطح تي ضماءُ جا طريقا 7.4.2.1 ضرب اپت مبدل Multiplicative Transform 7.4.2.2 هاءِ گُذار ڇاڻڪارِي (هگڇ)‏ ‏ ‏High Pass Filtering (HPF)‎ 7.4.2.3 هاءِ گُذار ماڊيوليشن‏ High Pass Modulation 7.4.2.4 ليپليسِي مخروط Laplacian Pyramid 7.4.2.5 شِدَتَ هيُو رَچاءُ (شهر) مبدل‏ Intensity Hue Saturation (IHS) Transform‎ 7.4.2.6 برووِي مبدل Brovey Transform 7.4.2.7 مُک جُزياتِي ڇيد (مجڇ)‏ Principal Component Analysis (PCA)‎ 7.4.2.8 لهرڙياتِي طريقا Wavelet-Based Methods 7.4.3 نقش سطح ضماءُ Feature Level Fusion 7.4.4 فيصلو يا اِنٽرپريٽيشن سطح ضماءُ Decision or Interpretation Level Fusion 7.4.5 اعليٰ سطحي ضماءُ جا طريقا ۽ ٽيڪنيڪس 7.4.5.1 وڌانوڌ هڪجهڙائپ (وهه) طريقا Maximum Likelihood (ML) Methods 7.4.5.2 مصنوعي تَنتِي ڄارڪا (متڄ)‏ Artificial Neural Networks (ANNs)‎ 7.4.5.3 فزي نظريو يا امڪانيات نظريو‏ Fuzzy Theory 7.4.5.4 ڊيمپسٽر شيفر نظريو Dampster Shaffer Theory 7.4.5.5 نيوِ بيز نظريو‏ Naive Bayes Theory 7.4.5.6 وونٽ طريقا Voting Methods 7.4.6 گھڻ سطحي ضماءُ Multi-level Fusion 7.4.7 علائقيوار ضماءُ 7.5 عڪس ضماءُ جي طريقن جِي ڪردگيڪَٿَ 7.6 عڪس ضماءُ جي طريقن جِي ڪارڪردگي ڪَٿَڻَ لاءِ سُڀاءُ پيما 7.6.1 سراسرِي ۽ ويريئنس Mean and Variance 7.6.2 سهنسبت Correlation 7.6.3 فشر فاصلو Fisher Distance 7.6.4 ايغُغ غُلاتِيف گلوبال آديمانزيونيل دُ سَنتيز (ايغگاس) 7.6.5 چُڪَ تاڃِيپيٽو Error Matrix 7.6.6 تُزگي ازِ استعماليندڙ ۽ تُزگي از اُپتڪار Users’ Accuracy and Producers’ Accuracy 7.6.7 لٿي پٿي تُزگِي Overall Accuracy 7.6.8 ڪاپا تُزگِي Kappa Accuracy 7.7 ڪامياب ترين نتيجا 7.8 تازيون روايتون 7.9 استقبالي ڪم 8 ٿورا 9 اصطلاحن جي سمجھاڻي 10 حوالا

[سنواريو] ليکڪ

• احسان احمد عرساڻي

[سنواريو] نگران پروفيسرس

• پروفيسر جوزيف غونسن
• پروفيسر ڪيديئو‎ ‎ٻالما

[سنواريو] مهاڳ

آئون مهراڻ يونيورسٽي ڄامشورو ۾ پنهنجِي تدريسِي ذميوارين کان موڪلائي پي ايڇ ڊِي جِي تعليم لاءِ بتاريخ سيپٽمبر 22، 2005ع تي فرانس جي ‏شهر غين پهتس، جيڪو بغُتاڃ صوبي جِي گاديءَ جو هنڌ آهي. مون غين ۾ واقع اِنسا Institut National des Sciences Appliquées de Rennes نالي ‏تحقيقي اداري ۾ داخلا ورتي ۽ پروفيسر جوزيف غونسن جِي نگرانيءَ هيٺ ڪم شروع ڪيو. پروفيسر غونسَن اِنسا جِي عڪس تجربيگاهه ۾ ‏پروفيسر آهي ۽ عڪس وَ ڏور اِندريات ‏Image et Télédétection‏ تحقيقي ٻارِيءَ جو هدايتڪار (ڊائيريڪٽر) آهي. اها ٻارِي انسا ۽ يونيورسٽي آف غين 1 ‏جي محققن جِي گڏيل ٻارِي آهي. هتي پهچڻ کان پوءِ منهنجي نگران پروفيسر مون سان منهنجِي پِي ايڇ ڊِي رِٿا تي بحث ڪري مون کي رٿا جو ‏نصب العين سمجهايو ۽ مون کي لٽريچر رِويُو ڪري ٽن مهنن اندر رپورٽ جمع ڪرائڻ لاءِ چيو. مون کي رپورٽ فرانسيسيءَ ۾ لکڻ جو چيو ويو پر ‏فرانسيسي زبانَ تي گھربل عبور نه هوڻ ڪري مون رپورٽ انگريزيءَ ۾ لکِي پر زبانِي پريزنٽيشن فرانسيسيءَ ۾ ڏني. هن دستاويز ۾ ساڳِي رپورٽ ‏جو سنڌي ترجمو پيش ڪري رهيو آهيان.
‏ انگريزي زبان تي سٺو عبور رکندڙ ڪو به عام فرد جيڪڏهن انگريزيءَ ۾ لکيل پي ايڇ ڊي سطح جو ڪو به سائنسي ٽيڪنيڪي ادب پڙهندو ته ‏يقيناً سمجهي نه سگهندو. ڇاڪاڻ ته پي ايڇ ڊي سطح جو ڪو به سائنسي يا ٽيڪنيڪي ادب ڪنهن مخصوص موضوع سان لاڳاپيل ڪيتري ئي ‏مواد جي تمام گھڻي ۽ گهري مطالعي بعد ئي وجود وٺندو آهي، جنهن کي سمجھڻ لاءِ به يقيناً محض انگريزي زبانَ يا ڪنهن به واسطيدار ٻوليءَ ‏تي دسترس هوڻ ڪافي نه آهي. انَ سطح جي سائنسي ۽ ٽيڪنيڪي موادَ اندر متعلقه موضوع سان سلهاڙيل ڪيترا ئي ٽيڪنيڪي اصطلاح ‏مستعمل هوندا آهن، جيڪي عام پڙهندڙ لاءِ سمجھڻ جوڳا نه هوندا آهن. اهڙي مواد کي سمجھڻ لاءِ لاڳاپيل کيتر جو بنيادي علم ۽ مستعمل ‏اصطلاحن جِي سمجھه هوڻ لازمي ٿي ٿو. تنهنڪري نه رڳو ڪيترا ئي سنڌي سائنسي اصطلاح جوڙي پيش ڪيا ويا آهن، بلڪه هنَ دستاويز جي ‏پڇاڙيءَ ۾ اهڙن سمورن جوڙيل اصطلاحن جِي مڪمل سمجھاڻي ڏني وئي آهي ۽ ڪجھه اهڙا انٽرنيٽ ڳنڍڻا ڏنا ويا آهن، جتان انهن پٺيان لڪل ‏سائنسي خيالَ کي سمجھڻ لاءِ امدادِي مواد ملي سگھي. جيڪڏهن لازماَ درڪار بنيادي ڄاڻَ ۽ پس منظر هوڻ باوجود هيءُ دستاويز سمجھه ۾ نه ‏اچي يا ڪي جوڙيل اصطلاح اڻ وڻندڙ يا غير درست فهم ڏيندا محسوس ٿين ته انَ کي لکيڪ جِي اظهارِي يا لسانِي ڪمزورِي سمجھيو وڃي ۽ ‏اهڙو تاثر هرگز به نه ورتو وڃي ته مٺڙِي ٻوليءَ ۾ ڪا ڪمزورِي آهي جيڪا اوهان کي بيان ڪيل سائنسي خيال سمجھڻ ۾ آڏو اچي رهي آهي.
‏ جيئن ته هيءُ سنڌيءَ ۾ اِنَ سطح تي سائنسي علم لکڻ جو پهريون تجربو هو، تنهنڪري ضروري هو ته ڪيترن ئي انگريزي سائنسي اصطلاحن جا ‏قابل فهم سنڌي بدل جوڙجن. اهڙو ڪم ڪٺن ضرور هو، پر انَ ڪم دوران منهنجو اهو يقين اڃا پختو ٿيو ته ٻين ڪيترين ئي جديد ٻولين، جهڙوڪ ‏انگريزي ۽ فرانسيسيءَ جِي ڀيٽَ ۾ سنڌي زبانَ ۾ اظهاري قوت تمام گھڻي آهي. انَ احساس منهنجي عزم کي اڃا سگھارو بنايو ۽ آئون هنَ ‏ڪاوش ۾ اڃا وڌيڪَ دلچسپيءَ سان جنبِي پار پهتس. ‏ هيءُ ڪم پنهنجِي جاءِ تي مشڪل ته هو ئي پر ذاتي طور اڻ لاڀائتو پڻ. هيءُ ڪم ذاتي طور منهنجي لاءِ ڪو به فائدو پهچائيندڙ نه ئي سهي، پر ‏نهايت ئي ضرورِي هو. ڇاڪاڻ ته آئون هر لحاظ کان سنڌي ٻولي ۽ قوم جو مقروض ته اڳي ئي آهيان، پر جنهن اسڪالرشپ تي فرانس جي ملڪَ ‏‏۾ پڙهڻ آيو آهيان، تنهن جو خرچ سنڌ جي مشهور درس گاهه مهراڻ يونيورسٽي آف انجنيئرڱ اينڊ ٽيڪنالاجي ڄامشورو برداشت ڪري رهي ‏آهي. مهراڻ يونيورسٽي توقع ٿِي رکي ته آئون ڪاميابيءَ سان پِي ايچ ڊِي ڪرڻ بعد يونيورسٽيءَ جي انسٽيٽيونٽ آف ڪميونيڪيشن ‏ٽيڪنالاجيز ۾ خدمتون سر انجام ڏيندس. مگر منهنجِي سمجھه مطابق منهنجو فرض اتي پُورو نه ٿو ٿي. جيئن ته آئون سنڌ جي قومي اداري ‏جي خرچ ۽ هيتري ساري محنت ۽ مطالعي کان پوءِ متعلقه کيتر ۾ ڪجھه تصنيف ڪرڻ لائق ٿيو آهيان، تنهنڪري منهنجو اولين فرض ٿي ٿو ته ‏آئون اهو سمورو علم پنهنجِي پيارِي مادرِي زبان ۾ به منتقل ڪريان.
‏ جيڪڏهن ڪير اهو سوچي ته هنَ تحريرَ کي نظر انداز ڪندي ان مان ڪو به سنڌي لاڀُ نه پرائيندو ۽ منهنجِي هيءَ ڪاوش اجائي ويندِي؛ ته به ‏آئون سمجهان ٿو ته انَ صورتَ ۾ به اهو سڀ ڪرڻ ضرورِي هو، ته جيئن ڪو سنڌي استاد اها دعويٰ نه ڪري سگهي ته سنڌيءَ ۾ لکي ئي نه ٿو ‏سگھجي يا هُنَ سمورِي حياتي سنڌيءَ ۾ ان ڪري نه لکيو ڇاڪاڻ ته ڪنهن ٻي اهڙي پهل نه ڪئي هئي يا اهڙو ڪو مثال موجود نه هو؛ ۽ نه ئي ‏ڪو سنڌي شاگرد اهو چئي سگهي ته گھٽ ۾ گھٽ هنَ موضوع تي کيس سنڌيءَ ۾ پڙهڻ جو موقعو نه مليو.
‏

انجنيئر احسان احمد عرساڻي

[سنواريو] تجرِيدَ

جيئن ته هن دستاويز جي عنوان مان ئي ظاهر آهي، هيءُ دستاويز بال عموم عڪس ضماءُ ‏Image Fusion ۽ بال خصوص ڏور ‏اِندرياتي عڪس ضماءُ Remote Sensing Image Fusion ‏‏ تي ٿيل تحقيق جي تازي ترين صورتحال پيش ڪرڻ لاءِ لکيو ويو آهي. هتي ‏حواليل تحقيقي ڪم جو مواد ۽ عرصو ٻڌائي ٿو ته نه ڏُور اِندريات ‏Remote Sensing ‏ جا طريقا غير بليغ آهن ۽ نه ئي عڪس ضماءُ ‏جون ٽيڪنيڪون غير پختيون آهن. هن پدَ کي رسڻ کان اڳ ضماءُ جو کيتر ڪيترا ئي مرحلا ۽ ڊگھو سفر طَي ڪري چڪو آهي.
‏ عڪس ضماءُ، در حقيقت، اعداد ضماءُ ‏Data Fusion جِي مخصوص صورت آهي؛ ۽ تنهنڪري ضماءُ جون هيستائين دريافت ٿيل ‏سموريون ٽيڪنيڪون ڪافي حد تائين فصيح آهن ۽ ايترن ئي وسيع ۽ متفرق اعدادِي ذريعن تي استعمال ڪيون ويون آهن جيترا ‏آواز ۽ ٽريفڪ انتظام لاءِ مسافرن جي معلومات.
‏ هن دستاويز جو مقصد ضماءَ جي طريقن تي وسيع تناظر ۾ پر مختصراً بحث ڪرڻ، ۽ عڪسي اعداد ضمائڻ لاءِ ميسر طريقن ۽ وسلين ‏جو گهرو مطالعو پيش ڪرڻ؛ ۽ آخر ۾ ڏور اِندرياتي مصرفن لاءِ عڪس ۽ غير عڪس اعداد جي ضماءُ تي ٿيل تحقيقي ڪم جو تَتُ ‏پيش ڪرڻ آهي. عڪس ضماءُ جي ميدان ۾ رونما ٿيل تازي ترين پيش رفت توڙي نون لاڙن جِي نشاندھي ڪرڻ کان اڳ ڪيترن ئي ‏مختلف مصرفن ڪاڻ استعماليل عڪس ضماءُ جا طريقا مختصراً سمجھايا ويا آهن ۽ منجھائن حاصل ٿيل نتيجا پڻ پيش ڪيا ويا ‏آهن.
‏ جيئن ته عڪس ضماءُ لاءِ استعمال ٿيندڙ اڪثر ٽيڪنيڪون پنهنجي ڪارج ۾ جبلتاً وسيع ۽ فصيح آهن، تنهنڪري ڪيترن ئي ‏همعصر کيترن هڪٻي جا رستا اورانگھيا آهن، جنهن ڪري هيستائين انجام ڏنل سموري تحقيقي ڪم کي هڪ ئي نڪتي تي يڪجا ‏ڪرڻ اڃا مشڪل ٿي پيو. ته به، آئون اميدَ ٿو ڪريان ته هيءُ دستاويز انَ کيتر جي عُروج پَدَ جا جيڪڏهن سمورا نه ته اڪثر پهلو ‏ضرور اجاڳر ڪري ٿو ۽ زيرِ بحث مضمون ۾ ايتري ڳوڙهي نظر وجھي ٿو جو هيءُ دستاويز مطالعي لائق ٿي سگھي.
‏ عڪس ضماءُ جي ٽيڪنيڀياسن کي ماحولياتي انتظام ڪاڻ استعمال ڪرڻ واري نصب العين تي زور ڏيندي، ماحولياتي مطالعات ‏تي، بال خصوص آبگاهن جي مطالعات تي ڪجھه ڇپايل تحقيقي ڪم جا حوالا پيش ڪيا ويا آهن.‏

[سنواريو] تعارف

[سنواريو] اعداد ضماءُ Data Fusion

مختلف ليکڪن اعداد ضماءَ يا ڊيٽا فيوزن جي اصطلاح کي مختلف طريقن سان بيان ڪيو آهي. ل. والڊ اعدادِي ضماءُ جي وصف ‏هيئن ٿو ڏي، ”اهو هڪ اهڙو رسمي فريم ورڪ آهي، جنهن ۾ مختلف ذريعن کان حاصل ٿيل ڄاڻ کي ضم ڪرڻ لاءِ واضح طور طريقا ۽ ‏اوزار ميسر ڪيل هجن‎.‎‏ ان جو مقصد اعليٰ سڀاوَ جِي ڄاڻَ حاصل ڪرڻ آهي، جڏهن ته اعليٰ سڀاوَ جو مطلب ۽ وصف ضماءُ جي ‏مصرف تي دارومدار رکن ٿا”^[1]‎‏. ڊ. ل. هال ۽ ج. ليناز موجب، ”اعدادي ضماءُ جون ٽيڪنيڪون ڪيترن ئي ذريعن کان وصول ٿيندڙ ‏اعداد، ۽ ڪيترن ئي متعلقه اعداد خانن ‏Databases ‏ مان ملندڙ معلومات کي گڏين ٿيون ته جيئن بهتر تُزگي حاصل ڪري ۽ اڃا ‏باريڪ نتيجا اخذ ڪري سگھجن ^[2]‏ .
انگريزي سائنسي ادب ۾ فيوزن ‏Fusion ‏ جي جاءِ تي ڪڏهن ڪڏهن مرجڱ ‏Merging ، ڪمبائينڱ ‏Combining ، سنرجي ‏Synergy ، ‏الائنس ‏Alliance ‏ ۽ انٽيگريشن Integration ‏ وغيره جا اصطلاح به استعمال ٿيندا آهن. ‏‎[3]‎‏ ۾ ل. والڊ انهن ۽ اهڙن ٻين ڪيترن ئي ‏اصطلاحن ۽ وصفن تي تفصيلي بحث ڪيو آهي.‏

[سنواريو] عڪس ضماءُ

عموماً، مختلف يا هڪ ئي اِندرِيءَ مان حاصل ٿيندڙ عڪسن مان هڪڙو عڪس جوڙڻ کي عڪس ضماءُ يا اميج فيوزن چيو ويندو ‏آهي. اڃا به وسيع معنيٰ ۾ عڪس ضماءَ کي ڄاڻوڪي ضماءَ جو هڪ مخصوص پهلو سڏي سگھجي ٿو. پول ۽ وان جينڊيرن عڪس ‏ضماءُ کي هيئن بيان ڪن ٿا، ”وڌيڪ ڄاڻَ رکندڙ نئون عڪس جوڙڻ خاطر ڪا به الخوارزمِي اختيار ڪندي ٻن يا گھڻن عڪسن جو ‏امتزاج ڪرڻ“ ‏‎[4]‎‏. عڪس ضماءُ جون ڪيتريون ئي تنگ تناظُري وصفون آهن، جن جو تتُ ڪرڻ جي ڪوشش ڪندي آئون عڪس ‏ضماءَ کي هيٺينءَ ريت بيان ٿو ڪريان:
‏ ‏”مختلف قسمن جي، مختلف تحلل ‏Resolution‏ وارن ۽ مختلف ذريعن کان وصول ٿيل عڪسن ۽ غير عڪسن ‏Non-Images‏ مان حاصل ‏ٿيندڙ ڄاڻ کي گڏ ڪري هڪ ئي عڪس يا غير عڪس نمائندگيءَ جو روپ ڏيڻ کي عڪس ضماءُ چئجي ٿو“. ‏

[سنواريو] عڪس ضماءُ جا مصرف

جيتوڻيڪ مختلف ذريعن کان حاصل ٿيل عڪسن جو ضماءُ طبي عڪسڪاري ‏Medical Imaging ، پٿويکي عڪسڪاري ‎ Microscopic ‎Imaging ، ڏُور اِندريات ‏Remote Sensing ، ڳڻپيوڪر بصارت ‏Computer Vision ، ۽ روبوٽيات Robotics ‏ جهڙن انيڪ کيترن ۾ ڪارائتو ‏آهي، پر انهن سڀني کي هيٺين ٽن مکيه گروهن ۾ ورهائي سگھجي ٿو:

• گھڻ فوڪسي ۽‏‎/‎‏ يا گھڻ تعابيل عڪس The Multi-focus and/or Multi-exposure Images
• ڏُور اِندرياتِي اُپُگِـرَهَن کان حاصل ٿيندڙ عڪس Images from Remote Sensing Satellites
• طبي عڪس The Medical Images
• هٿيار ڳولا، شبي نظر ۽ فوجي مقاصد Weapon Detection, Night Vision and Defence Applications‎

گھڻ فوڪسي عڪسن جو استعمال عددي ڪيميرا ‏Digital Camera ‏ جهڙن عددي عڪسڪاري اوزارن ‏Digital Imaging Devices ‏ ۾ ‏ڏٺو ويو آهي. گھڻ فوڪسي عڪس ضماءُ ‏Multi-focus Image Fusion‏ جي ميدان ۾ ڪيل تازي ڪم جو مثال ‏‎[5]‎‏ آهي، جڏهن ته ‏‎[6]‎‏ ‏گھڻ تعابيل عڪسن جي ضماءُ جو مثال آهي. عڪس ضماءُ جا طريقا طبي عڪسن، جهڙوڪ مقنائي ريزوننس عڪسن ‏Magnetic ‎Resonance Images ، پَڙاڏو چِٽِ ‏Ultra Sound‏ ۽ ڳڻپيوڪر ٽومونگاري عڪسن Computer Tomography ‏ جي ضماءُ لاءِ پڻ استعمال ٿي ‏رهيا آهن. اتر آواز ۽ ڳڻپيوڪر ٽومونگاري عڪسن جي ضماءَ تي تحقيق جو تازو مثال ‏‎[7]‎‏ آهي، جڏهن ته ‏‎[8]‎‏ مثال آهي مقناطي ‏ريزوننس عڪس ۽ ڳڻپيوڪر ٽومونگاري عڪس جي ضماءَ جو. ‏‎[9]‎‏ شبي ڏيک لاءِ ڪيل عڪس ضماءَ جا تجربا پيش ڪري ٿو ته ‏هٿيارن جِي ڳولا خاطر زير سُرخ ۽ ڏيکائيندڙ چشمياتي عڪسن جي ضماءُ جا طريقا ‏‎[10]‎‏ پيش ڪري ٿو. پر هيءُ مطالعو گھڻي ‏ڀاڱي ڏور اِندرياتي اپگرهن ‏Remote Sensing Satellites ‏ مان حاصل ٿيندڙ عڪسن جي ضماءُ تي ڪيل تحقيق تي مرڪُوز آهي. ‏

[سنواريو] ڏور اِندرياتي عڪسَ Remote Sensing Images

ڏور اِندرياتي عڪس اهي عڪس آهن جيڪي موسمياتي اڳڪٿي ‏‎[11]‎، رورل زمين استعمال ‏‎[12]‎، شهري رِٿابندِي ۽ انتظام ‏‎[13]‎، ‏زراعتي تحقيق ‏‎[14]‎، ماحولياتي مطالعي ‏Environmental Studies‏ ‏‎[15]‎ ، سهجياڀياسي مطالعي ‏Ecological Studies‏ ‏‎[16]‎ ، قدرتي ‏آفتزدگيءَ ۾ انتظام ‏Natural Disaster Management‏ ‏‎[17-18]‎، نقشيسازي ‏‎[19]‎، قدرتي وسلين جي کوج ۽ انتظام ‏‎[20]‎، ۽ فوجي ‏مقصدن ‏‎[21]‎‏ لاءِ ڪنهن فضائي رَٿَ يا خلائي رَٿَ تي سوار ‏Spaceborne Images‏ مختلف قسمن جِي اِندرين ‏Sensors‏ مان ڪڍيا ويندا ‏آهن. ‏‎[22]‎‏ قدرتي وسلين جي ڏور اندريات تي هڪ مڪمل ڪتاب آهي.
‏ جيتوڻيڪ کيتر ڪم فيلڊ ورڪ ‏Fieldwork‏ ۽ فضائي رٿوار عڪس ‏Airborne Images‏ اڃا به ڪجھه ڏور اِندرياتي مصرفن لاءِ معلومات ‏جو ذريعو بڻيل آهن، ته به بعض اوقات انهن لاءِ درڪار خرچ ۽ وقت مطالعي لاءِ موزون نه ٿو رهي ‏‎[23]‎‏. فضائي رٿوار عڪسن ۾، ‏خلائي رٿوار عڪسن تي ڪي بيشيون (ايڊوانٽيجز) هوڻ سان گڏ، ڪيتريون ڪَميون (ڊس ايڊوانٽيجز) به آهن. ‏‎[24]‎‏ سمورين ڪمين ‏بيشين تي مختصر مگر مڪمل بحث ڪري ٿو. ٻين مسئلن کان علاوه، فضاائي رٿوار اِندرين مان نڪتل عڪسن ۾ ڀون ماپي بگاڙن ‏Geometric Distortions‏ وارو مسئلو تمام ڳنڀير آهي. اهي ڀون ماپي بگاڙ فِضائي رَٿَ ۾ ٽن قسمن جي لوڏن ‏باعث پيدا ٿين ٿا، جن کي چڪراٽي ‏Roll، جھاڪائي ‏Pitch ، ۽ پاسائتي ‏Yaw‏ حرڪت چئجي ٿو. خاڪو نمبر 1 اهڙي صورتحال چِٽي ‏ڪري ٿو.
‏ تازا ورتل اپگرهي عڪس درجيبنديءَ جي عمل ۾ تحقيقار جي معاونت لاءِ نسبتاً سستا، انيڪ ۽ خاصا ڪثرتي ‏Frequent‏ تفصيل ‏ميسر ڪن ٿا. ڀون ماپي بگاڙ وارو مسئلو خلائي رٿوار عڪسن ۾ پڻ موجود آهي، پر نسبتاً گھٽ شدت سان. ڏور اندرياتي عڪسن کي ٻن وسيع گروپن ۾ ورهائي سگھجي ٿو:‏

• چشمياتي عڪس Optical Images
• جڙتو مهانڊي راڊار عڪس Synthetic Aperture RADAR Image

[سنواريو] چشمياتي عڪس

چشمياتي عڪس اهي عڪس آهن، جيڪي خلائي رَٿَ Space Craft ‎ ‏ يا هوائي رَٿَ ‏Aircraft‏ تي سُوار چشمياتي اِندريُون ‏Optical ‎Sensors‏ استعماليندي حاصل ڪيا وڃن. سيتلائيت پغوباتوئاغ د‏‎’‎وبزيغواسيون دُ لا تيغ (سپوت) ‏Sattelite Probatoire d’Observation ‎‎ de la Terre (SPOT) ‎ ، نيشنل اوشَنِڪ اينڊ ايٽماسفيئرڪ ايڊمنسٽريشن (نوئا) ‏National Oceanic & Atmospheric Administration ‎‎(NOAA)‎ ، ڪوئيڪ برڊ ‏QuickBird ، ۽ ايڪونوس ‏IKONOS مشهور ڏُور اِندريارتي اپگرهه آهن، جيڪي ڌرتيءَ کي مشاهدي رهيا ‏آهن ۽ ٻن قسمن جا چشمياتي عڪس مهيا ڪري رهيا آهن:‏

• يڪ اِنڊمي عڪس Panchromatic Image
• گھڻ اِنڊمي عڪس Multispectral Image

[سنواريو] يَڪ اِنڊَمِي عڪس

پان ‏PAN‏ (معنيٰ ڪُل) دراصل پانڪروميٽڪ ‏Panchromatic‏ (ڪل رنگي) جو مخفف آهي. ڪُل رنگي يا يڪ انڊمي عڪس بليڪ اينڊ وائيٽ تصوير وانگيان ٿيندا ‏آهن، جيڪي ڏيکائيندڙ کان زير سُرخ لهري ڊيگھن ‏Infra-red Wavelengths‏ تائين ڦهليل هِڪَ ڪشادي انڊم ‏Spectrum‏ رکندڙ ‏اِندرِيءَ ‏Sensor مان نڪتل هوندا آهن. ان کي اڪثر سليٽي پيما ‏Grey Scale‏ عڪس طور نمايان ‏Display‏ ڪيو ويندو آهي، ‏مطلب ته عڪسل جي ظاهري چمڪ ان جي عددي قدر يعني ڊجيٽل نمبر تي منحصر ڪري ٿي، جيڪو وري سج جِي ‏اُنَ ڪِرِڻِڪاريءَ ‏‎ Radiation تي دارومدار رکندو آهي جيڪا حدفن ‏Targets‏ سان ٽڪرائجي موٽَ کائي اِندِريءَ ‏Sensor‏ تائين رَسَندِي ‏آهي. تنهنڪري يڪ اِنڊمِي عڪس کي بليڪ اينڊ وائيٽ تصوير چئي سگھجي ٿو، جهڙوڪ تصوير 1، جيڪا ايڪونوس مان نڪتل ‏واشڱٽن ڊِي سِي جو يڪ اِنڊمي عڪس ڏيکاري ٿي. جيتوڻيڪ اها بليڪ اينڊ وائيٽ تصوير کان انَ لحاظ کان مختلف آهي ته بليڪ ‏اينڊ وائيٽ عڪسگر (ڪيميرا) جِي اِندريءَ اڻ وانگيان ڪن اُپگرهن جون يڪ اِنڊمي اِندرِيون زير سُرخ لهرِي ڊيگھن کي به جھٽين ٿيون ته ڪي ‏اِندريون وري نيري رنگ وارين لهري ڊيگھن کي نه ٿيون جھٽِينِ. يڪ اِنڊمي عڪسن جو تحلل ساڳي اُپگرهه مان حاصل ٿيندڙ گھڻ ‏اِنڊمي عڪسن جي تحلل کان هميشه وڌيڪَ هوندو آهي، ڇاڪاڻ جو گھڻ اِنڊمي اِندرِيءَ جي نسبت يڪ اِنڊمي اِندرِي في ايڪو پکيڙَ ‏مان وڌيڪَ توانائي جھٽي ٿِي. خاڪو نمبر 2 برق مقناطي اِنڊم ‏Electromagnetic Spectrum‏ جي ڏيکائيندڙ توڙي زير سُرخ حصي لاءِ ‏ڪوئيڪ برڊ جِي اِندرين جون نسبتي حساسيتون (ريسپانسز) ڏيکاري ٿو. ان خاڪي مان صاف ظاهر آهي ته ٻين اِندرين جي نسبت ‏يڪ اِنڊمي اِندرِي برق مقناطي اِنڊم جي وڏي ڀاڱي مان توانائي حاصل ڪري ٿِي. ‏

[سنواريو] گھَڻ اِنڊَمِي (گھام) عڪس

گھڻ اِنڊمي عڪس ‏Multi-sepectral Image‏ نسبتاً ننڍِي (ٿلهي) تحلل ‏Resolution‏ وارا اهڙا عڪس آهن جيڪي ساڳي ئي وقت مختلف ‏پَٽِيِ Band ‏ رکندڙ هڪَ کان وڌيڪَ اِندرين مان ڪڍيا ويندا آهن. اهي پٽيون ‏Bands‏ انڊم ‏Spectrum‏ جي ڏيکائيندڙ ‏Visible‏ حصي کان ‏وٺي زير سُرخ ‏Infra-Red‏ حصي تائين پکڙيل هونديون آهن. جدول 1 ڪجھه اهڙن اپگرهن جون پٽيون ڏيکاري ٿِي. جيڪي چشمياتي ‏عڪس اعداد ‏Image Data‏ ميسر ڪن ٿا. اها جدول ڏيکاري ٿِي ته ڪجھه اپگرهه، جهڙوڪ ڪوئيڪ برڊ ‏QuickBird ‏ ۽ ايڪونوس، ‏IKONOS ‏ برق مقناطي اِنڊم جي ڏيکائيندڙ حصي ۾ ٽي پٽيون رکن ٿا، جن مان هر هڪ ٽن بنيادي رنگن، يعني ڳاڙهي، نيري، ۽ سائي ‏مان ڪنهن هڪ سان مطابقت رکي ٿي؛ جيڪي اصلي رنگ عڪس ‏True Colour Image‏ جوڙڻ ۾ مدد ڏين ٿيون. تصوير نمبر 2 ‏ايڪونوس مان نڪتل هڪ اصلي رنگ عڪس ڏيکاري ٿِي. جيئن جدول 1 مان ظاهر آهي، ڪجھه اپگرهه، جهڙوڪ سِپوت 5، نيري ‏پٽيءَ سان مطابقت رکندڙ اِندرِي نه ٿا رکن، ان صورتَ ۾ نيري پٽيءَ جي جاءِ تي قريب انفرا سُرخ پٽِي استعمال ڪري نقلي رنگ ‏عڪس ‏False Colour Images‏ جوڙيا ويندا آهن. ڪڏهن ڪڏهن قريب انفرا سُرخ، ڳاڙهي، ۽ سائي پٽي، ترتيبوار، عڪس نُما ‏Image ‎Display‏ جي ڳاڙهي، سائي، ۽ نيري چينل تي رکي نقلي رنگ عڪس جوڙيا ويندا آهن ‏‎[25]‎‏. تصوير نمبر 3 ٽيرا - ايسٽر ‏TERRA-‎ASTER‏ مان نڪتل پرل هاربر جو نقلي رنگ عڪس ڏيکاري ٿي ‏‎[26]‎‏. اهو عڪس نقلي رنگن جِي هيٺين ترتيب سان جوڙيو ويو آهي.
‏

• نُماڪار چينل‏ اپگرهي پٽي
• ڳاڙهي گھڻ اِنڊمياتي پٽي ‏‎3‎ (اَڏيکائيندڙ قريب زير سُرخ) ‏
• سائي گھڻ اِنڊمياتي پٽي 2 (ڏيکائيندڙ ڳاڙهي) ‏
• نيري گھڻ اِنڊمياتي پٽي ‏‎1‎‏ (ڏيکائيندڙ سائي) ‏

تصوير 4 ڏيکاري هڪ ٻيو سِپوت عڪس ‏SPOT Image‏ ڏيکاري ٿِي، جيڪو قدرتي رنگ ‏Natural Colours‏ سڏجندڙ رنگي امتزاج سان ‏جوڙي وئي آهي. ڏيکائيندڙ ۽ اَڏيکائيندڙ گھڻ اِنڊمي پٽين کي ايئن ملايو ويو آهي ته جيئن اهي بظاهر هڪ اصلي رنگ عڪس ‏محسوس ٿين، مطلب ته عڪس اندر ساوڪ سائي نظر اچي، پاڻي نيرو نظر اچي، مِٽِي سليٽِي نظر اچي وغيره وغيره. تصوير 4 وارو ‏عڪس اهڙو ئي هڪ مثال آهي، جيڪو رنگن جي هيٺين امتزاج سان جوڙيو ويو آهي. ‏

نُماڪار چينل اپگرهي پَٽِي
ڳاڙهي گھڻ اِنڊمياتي پٽي 2‏ ‏ (ڏيکائيندڙ سائي)
‏ سائي ‏(گھڻ اِنڊمياتي پٽي 3) ‏X‏0.25 + (گھڻ اِنڊمياتي پٽي 1) ‏X‏ 0.75
‏ نيري ‏(گھڻ اِنڊمياتي پٽي 3) ‏X‏0.25 - (گھڻ اِنڊمياتي پٽي 1) ‏X‏ 0.75
‏
ڪڏهن ڪڏهن ته رڳو اَڏيکائيندڙ پٽين کي مختلف ميلاپن سان ڪنهن ڳ س ن نُماڪار ‏RGB Display‏ تي نُمايان ڪيو ويندو آهي.
‏ جيئن ته ڌرتيءَ جي مٿاڇري تي موجود هر شَي جِي برق مقنائي اِنڊم جِي مختلف ڪَثِرَتُن ‏Frequencies‏ لاءِ پنهنجِي پنهنجِي موٽَ ‏Reflection‏ آهي، تنهنڪري گھام عڪس جي هر هِڪَ پٽي ڪا مخصوص وَٿَ، شَي، يا مقدارُ عڪسڻ يا ماپڻ لاءِ ڪارائتي آهي. مثال ‏طور، ‏‎[26]‎‏ مان ورتل جدول 2، نوئا سلسلي جي اپگرهن جِي هر اِندرياتي پٽيءَ جو ڪارج ٻڌائي ٿِي. اِنَ سان گھڻ اِنڊمي عڪسڪاريءَ ‏جي اهميتَ معلوم ٿي ٿِي ۽ ثابت ٿي ٿو ته گھڻ اِنڊمي عڪس جي هر پٽي مختلف قسمَ جي ڄاڻَ مهيا ڪري ٿي.

پٽي	اِنڊم1	اِنڊم2	اِنڊم3
	نوئا 6، 8، 10	نوئا 7، 9، 11 12، 13، 14،	نوئا 15، 16، 17	پٽيءَ جو ڪارج
1	0.580 - 0.680	0.580 - 0.680	0.580 - 0.680	ڏينهن وقت بادل، ڳڱ Snow ، برفَ Ice ، ۽ ساوڪَ نِگارِي Mapping
2	0.725 - 1.100	0.725 - 1.100	0.725 - 1.100	بر/ بحر ميل، ڳڱ، برف، ۽ ساوڪ نِگارِي
3	3.550 - 3.930	3.550 - 3.930	0.580 - 0.680	بر/ بحر ميل، ڳڱ، برف، ۽ ساوڪ نِگارِي
4	10.50 - 11.50	10.50 - 11.50	10.50 - 11.50	ڏينهن/ رات وقت بادل ۽ مٿاڇري تپت نِگاري
5	عدم	10.50 - 11.50	10.50 - 11.50	بادل ۽ مٿاڇراتي تپت، ڏينهن ۽ رات بادل نگارِي، آبي بخارات جي ريڊيئنس هٽائڻ Removal of atmospheric water vapour path radiance

جدول 2: نوئا سلسلي جي اپگرهن جون اِندرياتي پٽيون

[سنواريو] جُڙتُو مُهانڊِي راڊار (جُمُر) عڪس

هِي اُهي عڪسَ جيڪي ڪنهن متحرڪ فِضائي رَٿَ يا خلائي رَٿَ تي سوار ڪنهن راڊار جي جھٽيل سگنلس مان جوڙيا وڃن. جمر ‏عڪس گھڻي تحلل وارا عڪس آهن، جيڪي ڪنهن به وقت (اُسَ هوندي يا نه هوندي)، ڪنهن به مُندَ ۾، ۽ ڪنهن موسمياتي حالتَ ۾ ‏جهٽي سگهجن ٿا. ‏Tropical Rainfall Measuring Mission (TRMM)‎، ‏ERS-2‎، ‏ENVISAT، ‏RADARSAT-1‎، ‏COSMO-SkyMed ‎‎(Constellation of Small Satellites for Mediterranean basin Observation)‎ ۽ ‏ALOS‏ جمر عڪس مهيا ڪندڙ مشهور اپگرهن ۾ شمار ‏ٿين ٿا. مگر اهو ڌيان ۾ رکيو وڃي ته ‏ALOS ۽ ‏ERS-2 ‎‏چشمياتي عڪسن جو ذريعو پڻ آهن. جمر عڪسن جو گھڻو تحلل شهري ‏علائقن جي مشاهدي لاءِ ڪارائتو آهي. جيتوڻيڪ تحقيقارن انهن جو استعمال ماحولياتي مطالعي لاءِ به ڪيو آهي ته فوجي مقصدن ‏لاءِ به. ‏‎[27]‎‏ جمر عڪسن جو استعمال قدرتي آفتن جي انتظام لاءِ ڪري ٿو، ‏‎[28]‎‏ انهن جو استعمال ماحولياتي انتظام ۾ ڄاڻائي ٿو ۽ ‏‎[29]‎‏ انهن جو استعمال فوجي مقصدن ۾ ٻڌائي ٿو. جمر اعداد اتي پنهنجو ڪم ڏيکارين ٿا جتي چشمياتي اعداد ڪا به ڄاڻَ ڏئي نه ٿا ‏سگهن، يعني، اهي علائقا جيڪي ڪڪرن يا ڪڪرن جي پاڇن سان ڍڪيل هجن. جمر اعداد مٿاڇراتِي ناهموارِيءَ متعلق تمام ‏ڪارائتي ڄاڻَ ڏئي مختلف ڌر اوڇڻن (لينڊ ڪَوَرس) کي قابل تفريق ‏Distinguishable‏ بنائين ٿا، جيڪي ٻي صورتَ ۾ هڪجهڙا ‏انڊمي ڪيريٽرسٽڪس ‏Spectral Characteristics‏ هوڻ باعث رڳو چشمياتي اعداد ۾ ناقابل تفريق ‏Indistinguishable‏ هجن ٿا.
‏ جدول نمبر 3 جمر عڪس مهيا ڪندڙ اپگرهن جِي لسٽ ڏي ٿِي. مگر اهو ڌيان ۾ رکڻ گهرجي ته جدول 3 اندر جمر عڪس مهيا ڪندڙ ‏مشهور ترين اپگرهه ڄاڻايل نه آهي، ڇاڪاڻ جو اهو جدول ۾ شامل ڪرڻ کان گھڻو پيچيده آهي. جيئن جدول ڏيکاري ٿِي، مختلف ‏اپگرهن جي اِنسٽرومينٽس کي مختلف قطبيتون ‏Polarizations‏ آهن. مثال طور، انهن مان ڪن کي ‏HH‏ قطبيت آهي، جڏهن ته هڪَ ‏‏(کاٻِي) ‏H‏ اهو ٿِي ظاهر ڪري ته خارج ٿيل لهر اُفقاً قطبيل ‏Horizontally Polarized‏ آهي ته ٻِي (ساڄِي) ‏H‏ اهو ٿِي ظاهر ڪري ته جهٽيل لهر لهر پڻ افقاً قطبيل آهي. ساڳيءَ ريت ٻين انسٽرومينٽس کي ‏HV، ‏VH، ‏VV‏ يا هڪ کان وڌيڪَ قطبيتون آهن. مختلف ‏اپگرهن جي راڊار انسٽرومينٽس کي ڪَثِرَتُون ‏Frequencies‏ به مختلف ٿين. ڪن اپگرهن کي هڪَ کان وڌيڪَ ڪثرتون هونديون آهن، ‏جيڪي هڪَ ئي منظر جا ڪيترين ئي ڪثرَتُن تي مشاهدا ميسر ڪري ڏين ٿا. اهڙا اعداد مختلف ڌر اوڇڻ ‏Landcover‏ يا ويجيٽيشن ‏ٽائپيس، يا ساڳي ئي ساوڪ (ويجيٽيشن ٽائيپ) جِي مختلف حالتِ صحت ۽ واڌ جِي صورت ۾ درجيبندي ڪرڻ ۾ مدد ڏين ٿا. فضائي رٿوار ‏راڊار اسڪينر ‏Airborne RADAR Scanners‏ به جمر عڪس ڇڪڻ لاءِ استعمال ٿيندا آهن. تصوير نمبر 5 واشڱٽن ڊِي سِي جو سنهي ‏تحلل وارو هڪ جمر عڪس ڏيکاري ٿِي. هر ڪثرت- قطبيت جوڙي کي نُماڪار ‏Display‏ جي ڳ، س، ۽ ن چينلس مان ڪو هڪُ ڏئي، ‏جمر عڪسن کي ڇاپيو‎/‎نُمايو ‏Display‏ ويندو آهي. اهڙو هڪ مثال تصوير نمبر 6 آهي، جيڪا نُو يارڪ شهر جو ٽن پٽين ‏LHH‏ (ڳاڙهي ۾)، ‏LHV‏ (سائي ۾)، ‏CHV‏ (نيري ۾)، وارو نقلي رنگ جمر عڪس ڏيکاري ٿِي. ‏

[سنواريو] ڏور اِندرياتي عڪس ضماءُ

مٿي ڄاڻايل مختلف قسمن جي ڏور اِندرياتي عڪسن مان هر هڪ تي ضماءُ جا طريقا آزمايا ويا آهن. رڳو هڪجهڙا عڪس نه پر ‏مختلف قسمن جا عڪس، مختلف ذريعن مان نڪتل يا ساڳِي اِندرِيءَ مان پر مختلف وقتن تي نڪتل عڪسن کي انيڪ مصرفن ڪاڻ ‏ضمايو ويندو آهي. ڏور اِندريات ۾ عڪس ضماءُ جو مقصد مختلف ذريعن کان حاصل ٿيل هڪَ ئي منظر جي عڪسن جو گڏيل ‏استعمال ڪري ماحول، ڌر اوڇڻ ‏Landcover، قدرتي وسيلن وغيره متعلق وڌ کان وڌ ڄاڻَ حاصل ڪجي. بعض اوقات هڪَ ئي منظر ‏جا مختلف وقتن تي نڪتل عڪس ضمايا ۽ ڇيديا ويندا آهن ته جيئن ماحول ۾ فطري يا بشري سرگرمين باعث رونما ٿيل تبديليون ‏جاچي سگھجن. حالانڪه هن مطالعي جو اولين مقصد چشمياتي ۽ جمر عڪسن جي ضماءُ جي طريقن جو اڀياس آهي، پر اِنَ ۾ ‏چشمياتي‎/‎‏ چشمياتي ۽ جمر‏‎/‎جمر عڪس ضماءُ جا آزمودا پڻ شامل آهن.
‏ ڪڏهن ڪڏهن ڪنهن مخصوص غرض ڪاڻ هڪ وڌيڪَ ڪارائتو عڪس حاصل ڪرڻ لاءِ ڏور اِندرياتي عڪسن کي ٽوپونگارڪ ‏نقشن ‏Topographic Maps‏ مثلاً ارضياتي بيهڪ سرشتو ڪوآرڊينيٽس ‏GPS Coordinates‎، ‏IGN‏ وارن بي دي ڪارتو ‏BD-CARTO‏ ۽ ‏بي دي توپو ‏BD-TOPO‏ يا ڀون طبعي ڄاڻ ‏Geophysical Information ، جهڙن غير عڪس اعداد سان پڻ ضمايو ويندو آهي. جدول ‏نمبر 4 ڏور اِندرياتي عڪس ضماءُ جي مصرفن کي ڇهن درجن ۾ ورهائي ٿِي. ‏

[سنواريو] چشمياتي عڪسن جو ضماءُ

هيءُ عڪس ضماءُ جو اهو حصو آهي جنهن تي گھڻي کان گھڻي تحقيقَ ڪئي وئي آهي، شايد ان جو سبب چشمياتي عڪسن جِي دستيابي ‏وڌيڪَ ڪَثِرَتِي ‏Frequent‏ ۽ آسان آهي. اڪثر، چشمياتي عڪسن کي ضمائڻ جو مقصد گھڻ اِنڊمي عڪس جِي اِنڊمياتي ‏ڄاڻ ‏Spectral Information‏ (ايپراگزيميشن) سالم رکندي ان جو تحلل (ڊيٽيل) وڌائڻ هوندو آهي. ان صورتَ ۾ ضماءُ جي عمل کي ‏ايئن بيان ڪري سگھجي ٿو ته اهو ڪنهن سنهي تحلل واري عڪس کي ڪنهن ٿلھي تحلل واري عڪس سان ضم ڪري هڪُ انڊماً ‏شاهوڪار ‏Spectrally Rich‏ سنهي تحلل وارو گھڻ اِنڊمي عڪس حاصل ڪرڻ جو عمل آهي. ‏ چشمياتي‎/‎چشمياتي عڪس ضماءُ ڦير ڊٽيڪشن لاءِ پڻ استعمال ٿيندو آهي، مگر چشمياتي عڪسن جِي دستيابي هر مُندَ ۽ هر ‏موسمي حالت ۾ ممڪن نه هوڻ سبب اهو اڪثر ناقابل عمل ٿيو پوي. ڏيکائيندڙ ۽ زير سُرخ چشمياتي عڪس وايومنڊلي بگاڙ ‏atmospheric distortion‏ جو ‏شڪار ٿين ٿا، جنهن کي ختم ڪرڻ لاءِ ڪِرِڻِڪارِڪ درستگِيءَ Radiometric Correction‏ جِي ضرورتَ پوندي آهي. ڦير ڊٽيڪشن ‏Change Detecion‏ واسطي عڪس اِنهانسمينٽ ‏Enhancement‏ جي طريقن جو جائزو ‏‎[36]‎‏ ۾ ڏنل آهي.
‏ عددي اُڀاوَتِي ماڊل (عاڀم) ‏Digital Elevation Model (DEM)‎‏ جوڙڻ جي مقصد سان اِسٽيريئو چشمياتي عڪسن ‏Stereo Optical ‎Images‏ جو پڻ ضماءُ ڪيو ويندو آهي. خصوصاً عاڀم جوڙڻ جي غرض سان سِپوت 5 تي سنهي تحلل وارا اِسٽيريئو چشمياتي عڪس ‏ڇِڪَڻ لاءِ هڪ خودڪار سرشتو نصب ٿيل آهي ‏‎[37]‎‏. ان صورتَ ۾ در اُپت اعداد ‏Input Data‏ عڪس آهن، جڏهن ته بر اُپت اعداد ‏Output Data‏ غير عڪس آهن. ڊيم اهي غير عڪس عددي مٿاڇراتي نقشا ‏Non-Image Digital Surface Maps‏ آهن، جن ۾ مشاهدي ‏هيٺ منظر جي مٿاڇراتِي اُوچائي ڄاڻَ ‏Surface Height Information‏ ڏنل هوندي آهي. اها بنيادي ترين ۽ نهايت دلچسپ ڀُون نگارڪ ‏ڄاڻَ ‏Geographic Information‏ آهي. عاڀم هڪ ايزڪي ‏ASCII‏ يا ٻِٽِڻو ‏Binary‏ فائيل آهي، جنهن منجهه وِٿائِي اُڀاوَتِي اعداد ‏Spatial ‎Elevation Data‏ هڪ ريگيولر گرڊ پيٽرن ۾ راسٽر فارميٽ ساڻ هوندا آهن. ‏

شمار نمبر	اعداد جو قسم	ضماءُ جو مثال	ڪارج يا مصرف	حوالو
1	يڪ اِندرياتِي گھڻ وقتي	گھڻ وقتي جمر	تبدل ڊٽيڪشن	Wedahl 1993 [30]
2	گهڻ اِندرياتِي گهڻ وقتي	ڏيکائيندڙ ۽ انفرا سُرخ – جمر	کُٽل ڄاڻ/عڪس نقشبندي	C. Pohl and Genderen 1995 [31]
3	يڪ اِندرياتِي گھڻ تحللِي	سنهو/ٿلهو تحلل (يڪ/گھڻ اِنڊمي) سِپوت	عڪس تِکائڻ/بهتر اِنٽرپريٽيشن لاءِ تحلل وڌائڻ	G. Cliché et al 1985 [32]
4	گهڻ اِندرياتِي گھڻ تحللِي	سنهو/ٿلهو تحلل (لينڊسيٽ/سپوت)	بھتر اِنٽرپريٽيشن لاءِ تحلل وڌائڻ	Chavez et al. 1991 [33]
5	گھڻ اِندرياتي	ERS-1/ERS-2	بهتر ڀون ماپِي درستگي/ بهتر اِنٽرپريٽيشن / نقش ڪاڍ	Guyenne 1995 [34]
6	ڏور اِندرياتِي – امدادِي اعداد جهڙوڪ GPS ڪوآرڊينيٽس ۽ ڀون طبعي ڄاڻ	عڪس نگاري/نقشو نگاري Image/Topographic Map	درجيبندِي/ ڀون ماپي درستگِي	Jensen et al. 1990 [35]

جدول 4: ڏور اِندريات ۾ عڪس ضماءُ جا مصرف، ضمايل عڪس، ۽ حوالا

[سنواريو] جُمُر عڪسن جو ضماءُ

ڏور اِندريات ۾ ڪيل تحقيق گھڻي ڀاڱي سنهي تحلل وارن يڪ اِنڊمي عڪسن ساڻ ٿلهي تحلل وارن گھڻ اِنڊمي عڪسن جي ضماءُ تي ‏مرڪُوز رهي آهي. نسبتاً، چشمياتي‎/‎جمر عڪس ضماءَ توڙي جمر‎/‎‏ جمر عڪس ضماءَ تي تمام گھٽ تحقيقي ڪم ٿيو آهي.‏ جمر عڪس جون شدتون ‏Intensities‏ روشنايل ‏Illuminated‏ حدف جي خاصيتُن (ڪيريڪٽرِسٽِڪس) تي به دارومدار رکن ٿيون ‏ته خود راڊار سگنل جِي خصلتُن تي به. هڪڙو ئي منظر مختلف قطبيتون ‏Polarizations ، ڪَثِرَتُون ‏Frequencies ، ۽ اِنسيڊنس ‏اينگلس ‏Incidence Angles ‏ رکندڙ راڊارن کي مختلف نظر ايندو. ساڳي ئي مٿاڇري تان موٽَ لهر (بيڪ اسڪيٽر) ‏Backscatter‏ ‏ مختلف ڪثرت تي مختلف ٿيندِي آهي. اڃا به وڌيڪَ اهم ڳالهه اها آهي ته ننڍي راڊار لهر جِي ڀيٽَ ۾ وڏِي راڊار لهر ڪنهن مٿاڇري ‏جِي اونهائيءَ ۾ وڌيڪَ گهرو وڃي ٿي. مثال طور، ڪي يُو پٽيءَ ‏Ku-band‏ جي لهر (2 سينٽي ميٽر وڏي) جي ڀيٽَ ۾ ايل پٽيءَ ‏L-band‏ ‏ جي لهر (20 سينٽي ميٽر وڏي) 10 ڀيرا وڌيڪَ اونهائيءَ ۾ ويندِي آهي، ۽ تنهنڪري مٿاڇري ويجھو وڌيڪ مقدارِي تهه Volumetric ‎Layer‏ متعلق ڄاڻَ مهيا ڪري ٿِي.
‏ جڏهن جمر اوزار رکندڙ ڪو اپگرهه ڪنهن علائقي جِي منظر ڪَشِي ڪندو آهي ته هڪَ ئي وقت ڪيترين ئي مختلف قطبيتن ۽ ‏ڪثرتُن سان اعداد مهيا ڪندو آهي. ٻيو ته ساڳيو ئي منظر مختلف اوچايُن تي پَروان ڪندڙ رَٿُن سان مشاهدي سگھجي ٿو ۽ ‏تنهنڪري مختلف تحلل ‏Resolution‏ رکندڙ اعداد ميسر ٿِي سگھن ٿا. اهڙيءَ ريت، ساڳي ئي منظر جا مختلف ڪثرت، قطبيت، ۽ ‏تحلل وارا جمر عڪس ميسر ٿِي سگھن ٿا، جن کي ضمائي هڪ اهڙو عڪس جوڙي سگھجي ٿو جنهن منجھه مڙني اِنفرادِي عڪسن مان ‏حاصل ٿيندڙ هر اهڙي ڄاڻَ موجود هجي، جيڪا نه ته رڳو الڳ الڳ عڪسن مان ئي مِلِي سَگھِي ٿي. ان سان اوڇڻن (ڪَوَر ٽائيپس) ‏جي بهتر ۽ وڌيڪَ ڄاڻَ رکندڙ درجيبندي حاصل ٿي ٿِي. ڪن صورتُن ۾ ڪيترا ئي مخلوط ‏Hetrogeneous‏ جمر عڪس ضمائي هڪ ‏عاڀم جوڙڻ لاءِ استعمال ڪيو ويندو آهي ‏‎[38]‎‏. ‏

[سنواريو] جُمُر عڪس ۽ چشمياتي عڪس جو ضماءُ

چشمياتي عڪس ڌنڌ يا ڪڪر کان گھڻا متاثر ٿيندا آهن ۽ جيڪڏهن مشاهدي هيٺ منظر ڪڪرن ۽ ڪوهيڙي سان ڍڪيل آهي ته ‏چشمياتي عڪس خراب ٿِي پوندا آهن، ويندي ڪڪرن جو پاڇو به چشمياتي عڪسن کي خراب ڪري ڇڏيندو آهي. ٻيو ته ساڳِي ‏اِنڊمي وراڻي ‏Spectral Response‏ ڏيندي، ڪجھه ڌر اوڇڻ (ڪَوَر ٽائيپس) چشمياتي عڪسن ۾ ناقابل تفريق ‏Indistinguishable‏ ٿِي ‏پوندا آهن. جڏهن ته مختلف مٿاڇراتي ناهمواري ‏Roughness، ڊول ۽ گھِمَ ‏Moisture Content‏ هوندڙ اوڇڻَ ‏Cover Types ‏ جمر عڪس ‏‏۾ مختلف اِنٽينسِٽِي سان ظاهر ٿِيندي الڳ الڳ نظر ايندا آهن ‏‎[39]‎‏. مگر جمر عڪسن ۾ وري مشاهدي هيٺ آيل علائقو تمام گھڻو ‏جابلُو هوڻ باعث سنگين ڀُون ماپِي بگاڙ Geometric Distortion‏ ٿِي پوندو آهي. جمر‎/‎چشمياتي عڪس ضماءُ هيٺين مقصدن سان زيرِ ‏عمل آندو ويندو آهي:‏

• چشمياتي عڪسن ۾ کُٽل ڄاڻَ کي پُر ڪرڻ يا اڻپورِي ڄاڻَ کي پورو ڪرڻ‏
• چشمياتي عڪسن جو تحلل وڌائڻ
• بهتر عددي اُڀاوَتِي ماڊلس (عاڀمس) ‏Digital Elevation Models‏ جوڙڻ

‏‏‎[40]‎‏ آبگاهه نقشيبندِيءَ ‏Wetland Mapping‏ جي مقصد سان درجيبنديءَ ۾ بهتر تُزگِي حاصل ڪرڻ خاطر کُٽل ڄاڻَ کي پورو ڪرڻ ‏لاءِ جمر‎/‎چشمياتي عڪس ضماءُ جو مثال آهي. اهو ڪيترن ئي طريقن سان عڪسِل سطح تي ضماءُ ڪري ٿو ۽ آخر ۾ نتيجن کي ‏ڀيٽي ٿو. ‏‎[41]‎‏ وري بهتر درجيبندِي توڙي نماءُ لاءِ اِي آر ايس 2 جي جمر، لينڊسيٽ 7 (اِي ٽِي ايم پلس) جي يام ۽ لينڊسيٽ 7 (اِي ‏ٽِي ايم پلس) جي گھام عڪسن کي ضمائي ٿو. جڏهن ته ‏‎[42]‎‏ ‏Aes-1‎‏ مان نڪتل 5 ميٽر تحلل واري فضائي رَٿَوار عڪس ۽ لينڊسيٽ ‏ٽِي ايم 5 مان نڪتل 25 ميٽر تحلل واري عڪس جو گھڻ تحلُلِي ضماءُ ‏Multiresolution Fusion‏ ڪرڻ لاءِ هرمائيٽ مبدل ‏Hermite ‎Transform‏ استعمال ڪري ٿو. ‏ عاڀم جوڙڻ جي اعتبار سان، سنون ميدانن ۽ هلڪن لاهن چاڙهن وارن علائقن جي عڪسازيءَ ۾ جمر عڪس تُز آهن پر ان جي بلڪل ‏ابتڙ، جابلو علائقن ۾ انهن جو سُڀاءُ ‏Quality‏ تمام ڪِرِي پوي ٿو، ڇاڪاڻ ته جابلو علائقا عڪسيندي جمر عڪس ڀون ماپِي بگاڙ ‏Geometric Distortion‏ جو شڪار ٿين ٿا. ٻنهي، جمر ۽ چشمياتي عڪسن جو گڏيل استعمال (عڪس ضماءُ) اهي مسئلا حل ڪري ‏سگھي ٿو ‏‎[43]‎.‏
‏ ماحولياتي وَ زمينِي مانيٽرڱ ۽ انتظامي سرشتي ‏Environmental and Land Monitoring System‏ لاءِ ڀَروَسي جوڳا عاڀمس تمام ‏ضرورِي آهن. اپگرهِي عڪسن مان عاڀم جوڙڻ جا ٻه اهم طريقا آهن، هڪ چشمياتي عڪسن ساڻ اسٽيريئو اسڪوپي ۽ ٻيو جمر ‏عڪسن ساڻ انٽرفيروماپ ‏Interferrometry ‏. ٻنهي قسمن جي عاڀمس کي ضمائڻ جا ڪيترا ئي مختلف طريقا تجويز ڪيا ويا آهن، ‏جيڪي ‏‎[44]‎‏ ۽ ‏‎[45]‎‏ ۾ اڀياسيا ويا آهن.

‏

[سنواريو] عڪس ضماءُ جون سَطَحُونَ

‎[39]‎‏ ۽ ‏‎[46]‎‏ موجب عڪس ضماءُ، پردازڪاري يا تجريد ‏Abstract‏ جِي ٽن مختلف سطحُن، يعني اعداد ‏Data‏ يا عڪسل ‏Pixel‏ سطح، ‏نقش سطح، ۽ فيصلو سطح ‏Decision Level‏ تي زير عمل اچي سگھي ٿِي، جڏهن ته اعداد سطح هيٺين ۾ هيٺين سطح آهي ته ‏فيصلو سطح مٿين ۾ مٿين. خاڪو نمبر 3 اهڙو خيال سمجھائي ٿو. ٻين به ڪيترن ئي اهڙو ئي اظهار خيال ڪيو آهي، پر ‏‎[47]‎‏ سوال ‏اُٿاريو آهي ته سطح 1، 2، ۽ 3 درميان دنگ جِي چِٽِي وضاحتَ ٿيل نه آهي. تنهنڪري بعض اوقات ڪِن صورتن ۾ زير عمل آيل ‏ضماءُ جِي سطح متنازع ٿِي پوندِي آهي. ‏‎[3]‎‏ دليلي ٿو ته اهڙِي گِروهه بندِي گمراهه ڪُن آهي، ۽ اها مغالطاً اهڙو تاثر ڏي ٿِي ته ضماءُ ‏جو عمل انھن ٽنهِي مختلف سطحن تي بَيَڪ وقت عمل ۾ نه اِيندو آهي. ازان سواءِ، هُو اهو به دلِيلي ٿو ته ”عڪسل سطح يا پڪسل ‏ليول” وارو اصطلاح استعمال ڪرڻ نامناسب آهي. ‏ هر سطح جي ضماءُ جا پنهنجا طريقا ۽ ڪميون بيشيون آهن. ضماءُ جِي سطح جو مناسب انتخاب ڪيترن ئي اسمن تي دارومدار ‏رکي ٿو، جهڙوڪ اعدادي ذريعا ‏Data Sources، ڪارج، ۽ ميسر وسيلا ‏Tools‏. جڏهن ضمائجندڙ اعداد ساڳي قسم جي ذريعن، مثال ‏طور عددِي عڪسازِي ڊوائيسِز ‏Digital Imaging Devices‏ مان ملندا هجن ته سمورن ميسر اعداد جو ڀرپور استعمال ڪندي اعداد ‏سطح Data Level‏ تي ضماءُ ڪري سگھجي ٿو. مگر جڏهن ضمائجندڙ اعداد تمام مختلف ذريعن، جهڙوڪ ڀون ماپِي ڄاڻ سرشتي ‏Geographic Information System‏ ۽ عددِي عڪسازي اوزارن ‏Digital Imaging Devices‏ کان وصول ٿيندا هجن ته فيصلو سطح تي ‏ضماءُ ڪرڻ وڌيڪَ مناسب رهندو. نقش سطح تي ضماءُ ڪرڻ تڏهن ئي مناسب ٿيندو جڏهن مختلف قسمن جي ضمائجندڙ اعداد ‏مان اهڙا نقشز ‏Features‏ ڪڍي سگھجن جِن جِي هڪٻي سان نسبت قائم ٿِي سگھي. مثال طور ٻنهي، چشمياتي توڙي جمر عڪسن ‏منجھان ڇيڙن ۽ ڀاڱن جهڙا نقشز ڪڍِي سگھجن ٿا، جن کي ملائي گڏيل نقشز توڙي درجيبندِي حاصل ڪري سگھجي ٿِي. ساڳي ئي ‏وقت ضماءُ لاءِ سطح جو اِنتخاب لازمِي گھُربل قبل پردازڪاريءَ ‏Preprocessing‏ جو پڻ تعين ڪري ٿو. مثال طور، عڪسل يا اعداد سطح ‏تي ضماءُ لاءِ لازمِي آهي ته عڪسن کي هڪ ٻي سان جُز عڪسل تُزگِيءَ ‏Sub-pixel Accuracy‏ سان ٺهڪايو وڃي. خاڪو 4 ضماءُ جِي ‏ٽنهي سطحُن کي سمجھائي ٿو ۽ ٽنهي ۾ فرق واضح ڪري ٿو. جيتوڻيڪ ضماءُ جي ميدان جو گھڻي کان گھڻو تحقيقيل پهلُو اعداد ‏يا عڪسل سطح آهي، پر تحقيقي ڪم جا تازا مثال ٽنهي سطحن جي ضماءُ تي ملن ٿا.‏

[سنواريو] عڪسل سَطَحِي ضماءُ

هيءُ تجريدَ جِي هيٺين ترين سطح جو ضماءُ آهي. ڏور اِندريات جي ميدان ۾ عڪس ضماءُ تي ٿيل تحقيقَ گھڻي ڀاڱي ان ئي سطح ‏جي ضماءُ تي مرڪُوز رهِي آهي. هنَ سطح تي ضماءُ جِي وڏي ۾ وڏِي خوبي اها آهي ته اهو اصلِي اعداد جو استعمال ڪري ٿو، ‏جيڪي حقيقتَ کي گھڻي کان گھڻو ويجھو آهن. عڪسن کي (گھٽ ۾ گھٽ) هڪٻي تي ٺهڪائڻ ‏Co-Register‏ بعد عڪسل به عڪسل ضمايو ويندو آهي. ڇاڪاڻ ته عڪسل سطح جي ضماءُ لاءِ تمام گھڻي تُزگي درڪار ٿي ٿِي، تنهنڪري اڪثر ته ضماءُ کان ‏اڳ ضمائجندڙ عڪسن کي ڀُون ڪوڊيو ‏Geo-Code‏ به ويندو آهي. تُز ٺهڪاءُ ‏Registration‏ لاءِ وَر سيمپلڱ ‏Resampling‏ ۽ ڀُون ماپِي ‏درستُگِي ‏Geometric Correction‏ درڪار ٿين ٿيون. ڀون ماپِي درستُگِيءَ لاءِ اِندرياتِي ڏيٺ نِيمپيما Sensor Viewing ‎Parameters‏ ۽ اهڙي منطقگريءَ ‏Software‏ جِي ضرورتَ پوندِي آهي، جيڪو عڪس ڇِڪاءُ نيمپيما Image Acquisition Parameters‏ ۽ زمينِي اهڃاڻن ‏Ground Control Points (GCP)‎‏ جو به ليکو ڪري. عڪسن جِي ور سيمپلِڱ ‏Resampling‏ ۽ ٺهڪاءُ ‏Registration‏ جا ‏ڪيترا ئي طريقا ميسر آهن. زمينِي اُهڃاڻ اهي نشانات آهن، جن جِي زمين تي بيهَڪَ ‏Position‏ اڳي ئي معلوم هُجي. اهي اُهڃاڻ اڳي ‏ئي موجُود ٿِي سگھن ٿا، جهڙوڪ رستن جا چوڪ يا ساحلي اهڃاڻَ؛ يا ته ڀون ماپِي درستگيءَ لاءِ هاسيڪار رکي سگھجن ٿا. ڪن ‏صُورتُن ۾، جتي مٿاڇرو انتهائي ناهموار هجي، اتي عاڀمس جِي ضرورتَ پوندِي آهي. اهڙِي صورتحال خاص طور جمر عڪسن تي ‏لاڳُو ٿي ٿِي، جن جِي اِندرِيءَ ‏Sensor‏ کي ڀُون ماپاً ‏Goemetrically‏ پاسيرِي نظر آهي. ان سطح تي ضماءُ جون ڳڻپيوڪَر سنڀارَ ‏Computer Memory‏ ۽ پردازڪاري قوت ‏Processing Power‏ واريون گھُرجُون گھڻي ۾ گھڻيون آهن ۽ ان جِي پردازڪاريءَ (پراسيسڱ) لاءِ وقت به گھڻو ‏درڪار ٿي ٿو. خاڪو 5 هڪ بلاڪ ڊاياگرام ڏيکاري ٿو، جنهن ۾ عڪسِل سطح تي ضماءُ ڪندڙ ڪنهن سرشتي منجھه رُونما ٿيندڙ ‏عملن جو سلسلو ڏيکاريل آهي. ‏

[سنواريو] عڪسل سطح تي ضماءُ جا طريقا

ٿوري گھڻي فرقَ ساڻ عڪسِل سطح ضماءُ جا سوين طريقا موجود آهن، جن مان ڪجهه ناموس طريقا هِي آهن:‏

• ضرب اُپت مبدل Multiplicative Transform
• هاءِ گذار ڇاڻڪارِي High Pass Filtering
• هاءِ گذار ماڊيوليشن High Pass Modulation
• ليپليسي مخروط Laplacian Pyramid
• اِنٽينسِٽِي هيُو سيچوريشن Intensity Hue Saturation
• برووِي مبدل Brovey Transform
• مُک جُزِياتِي ڇيد Principal Component Analysis
• لهرڙياتِي طريقا Wavelet Transform

مختلف ذريعن انھن طريقن جِي گروهه بندِي مختلف طريقن سان ڪئي آهي، جن جو ذڪر هتي ضروري نه آهي. ضماءُ جي مٿي ‏ڄاڻايل طريقن جا رياضياتِي ماڊلس هيٺ پيش ڪجن ٿا. ‏

[سنواريو] ضرب اپت مبدل Multiplicative Transform

ضماءُ جي مڙنِي طريقن منجھان هيءُ سڀني کان آسان ۽ سڌو سنئون طريقو آهي. اهو سنهي تحلل وارو گھڻ اِنڊمي عڪس (ستگھاع) ‏High Resolution Multispectral Image (HRMI)‎‏ حاصل ڪرڻ لاءِ سنهي تحلل واري يڪ اِنڊمي عڪس (ستياع) ‏High Resolution ‎Panchromatic Image (HRPI)‎‏ جي عددي قدرن کي عڪسِل به عڪسِل ٿلهي تحلل واري گھڻ اِنڊمي عڪس (ٿتگھاع) ‏Low ‎Resolution Multispectral Image (LRMI)‎‏ جي عددي قدرن سان ضربي ٿو. حتمي ستگھاع حاصل ڪرڻ لاءِ ضرب اُپتن کي 0 کان ‏‏255 جي حدُن ۾ آندو ويندو آهي. ان سموري عمل کي رياضياتاً مساوات 1 سان ظاهر ڪري سگھجي ٿو. ‏

[سنواريو] هاءِ گُذار ڇاڻڪارِي (هگڇ)‏ ‏ ‏High Pass Filtering (HPF)‎

هاءِ گُذار ڇاڻڪارِيءَ جو بنيادِي قاعدو ستياع ۾ موجود وڏ ڪثرتي ڄاڻَ ‏High-frequency Information‏ ڪڍِي ٿتگھاع ۾ وجھڻ ‏آهي. ان طريقه ڪار تحت، ستياع مان ٿتياع ڪَٽَ ڪرڻ لاءِ يا ته ستياع کي هاءِ گُذار ڇاڻيو ويندو آهي يا وري لو گُذار ڇاڻيو ويندو ‏آهي. هگڇ طريقي جو رياضياتِي ماڊل مساوات 2 ۾ ڏنل آهي ‏‎[49]‎‏ . ‏

جڏهن ته ۽ ‏ho‏ هِڪَ لو گُذار ڇاڻِي آهي. ‏

[سنواريو] هاءِ گُذار ماڊيوليشن‏ High Pass Modulation

هن طريقيڪار ۾ ستياع جِي تڪڙي ڪثرت واري ڄاڻَ کي ماڊيوليشن ڪو ايفيشنٽس ‏Coefficients‏ ذريعي ٿتگھاع ڏانهن منتقل ڪيو ‏ويندو آهي. جڏهن ته ماڊيوليشن ڪو ايفيشنٽس ٿتياع سان ٿتگھاع جِي شرح جي برابر آهن. ٿتياع حاصل ڪرڻ لاءِ ستياع کي ڇاڻيو ‏ويندو آهي. رياضياتاً ان کي مساوات 3 سان اِظاهري سگھجي ٿو. ‏

[سنواريو] ليپليسِي مخروط Laplacian Pyramid

ليپليسِي مخروط ‏Laplacian Pyramid (LP)‎، گاسِي مخروط ‏Gaussian Pyramid‏ مان نڪتو آهي، جيڪو بار بار رڊڪشن (لو گُذار ‏ڇاڻڪاري ۽ ڊيسيميشن ‏Decimation ‏) رستي حاصل ٿيندڙ گھڻ پيمانه نمائندگِي ‏Multiscale Representation‏ آهي. ليپليسِي مخروط هيٺين ٻن مرحلن ۾ معلوم ڪيو ويندو آهي. ‏

‏#عڪس جو گاسِي مخروط جوڙڻ. بنيادِي طور، گاسِي مخروط اصل عڪس ‏L‏ جي مختلف پيمانن ‏Scales‏ تي حاصل ‏ڪيل نقُلَن يا پَرتَن ‏Copies‏ جو سلسلو ‏‎{G1, G2, …., Gk}‎‏ آهي. اهو ‏G1=I‏ ڪري، ۽ پوءِ بار بار ‏Gi+1 = shrink (Gi)‎‏ تي ‏عمل ڪري حاصل ڪيو ويندو آهي.‏

1. ‏عڪس جو ليپليسِي مخروط جوڙڻ. ليپليسِي مخروط ‏‎{L1, L2, …., Lk}‎، گاسِي مخروط جو عمل ورائڻ ‏Backward ‎Process‏ سان حاصل ٿيندو آهي. يعني ڪري، پوءِ بار بار ‏Li=Gi – expand(Gi+1)‎‏ تي عمل ڪيو ويندو آهي. ‏

ليپليسِي مخروط تي ٻڌل ضماءُ جِي الخوارزمِي ‏Algorithm‏ هيٺينءَ ريت آهي:‏ جيڪڏهن ‏‎{I1, I2, …., In}‎‏ مختلف تحلل، يا فوڪس رکندڙ عڪسن جو سلسلو هجي ته، ضماءُ جو سمورو طريقيڪار هيٺين ڏاڪن ‏تي مشتمل آهي. ‏ ‏[‏i]‏ ‏هر عڪسن جي ‏Li‏ سلسلي مان هر هڪ عڪس جو ليپليسِي مخروط جوڙيو ‏ ‏[‏ii‏]‏ پوءِ هر عڪسِل لاءِ مڙني مخروطن ‏Li‏ منجھان وڏي ۾ وڏو قدر چونڊيندي ضمايل مخروط حاصل ڪريو، جيڪو گھُربل ‏ضمايل عڪس جِي مخروطِي صورت آهي.‏ ‏[‏iii‏]‏ ان مخروطِي صورتَ مان ضمايل عڪس حاصل ڪريو ‏[‏iv‏]‏ ڪا به ضرورِي بعدِي پردازڪاري Post-processing‏ عمل ۾ آڻيو

[سنواريو] شِدَتَ هيُو رَچاءُ (شهر) مبدل‏ Intensity Hue Saturation (IHS) Transform‎

هيءُ طريقه ڪار فقط ٽن پٽين تائين محدود آهي. اهو مساوات 4 تحت ٿتگھاع جي ڳسن سڏجندڙ (حقيقي معنيٰ ۾ نه) ٽِن پٽيُن مان ‏IHS‏ يعني شِدَتَ (I)، هيُو (H)، ۽ رَچاءُ (S) جا قدُرَ معلوم ڪري ٿو، ستياع ‏ ‏ جي واقعنامي کي ڇِڪي ٿو ته جيئن ان جا سراسرِي ۽ ويريئنس آءِ جُزي جهڙا ‏ٿين، جنهن کي ‏ ‏ سان ظاهر ڪجي ٿو؛ پوءِ آءِ جُزي کي هٽائي تَنهنجِي جاءِ تي واقعنامو ڇڪيل ستياع رکي ٿو، ۽ ‏آخر ۾ مساوات 5 تحت واپس ڳسن جا قدُرَ معلُوم ڪري ٿو. اهو سمورو طريقيڪار خاڪو نمبر 6 آسان ڪري سمجھائي ٿو. ‏

[سنواريو] برووِي مبدل Brovey Transform

برووِي مبدل هڪ رنگِي مبدل آهي، جيڪو ٽنهِي دَر اُپتِي پٽين کي نارملائيز ڪري ٿو ۽ هر هِڪَ کي ڪنهن سنهي تحلل وارِي ‏پٽيءَ (يڪ اِنڊمي عڪس) سان عڪسِل بَه عڪسِل ضربي ٿو. برووِي تبدل کي مساوات ‏‎6‎‏ سان اظهاري سگھجي ٿو ‏‎[49]‎‏. ‏نتيجتاً حاصل ٿيندڙ سُوڊو ڳسن پٽيون سنهو تحلل رکندڙ هونديون. ‏

[سنواريو] مُک جُزياتِي ڇيد (مجڇ)‏ Principal Component Analysis (PCA)‎

مُک جُزياتِي ڇيد (مجڇ)، جنهن جو اصلوڪو نالو ڪارهونِن لووِ تبدل ‏Karhunen-Loeve Transformation‏ آهي، سو آءِ ايڇ ‏ايس ‏IHS‏ وانگيان ئي آهي، مگر ان جو وڏو فائدو اهو آهي ته اهو ڪيترين به پٽين جي ضماءُ لاءِ استعمال ڪري سگھجي ٿو. مجڇ گھڻ ‏اِنڊمي اعداد Multispectral Data‏ جو سڌو تبدل ‏Linear Transformation‏ استعمال ڪري ٿو. ان سڌي مبدل ‏‏۾ در اُپتِي ٿتگھاعن کي اوترن ئي اڻ سهه نسبتيل ‏Uncorrelated‏ مُک جُزن ۾ تبدليو ويندو آهي، جيترا در اُپتِي ٿتگھاع. انهن مان ‏پهرين جُزي ۾ اها ڄاڻَ هوندي آهي جيڪا سمورن جُزن ۾ يڪسان يا ڪامن هجي، جڏهن ته باقي جُزن ۾ مڙني انفرادِي پٽين جِي ‏مُنفرد ڄاڻَ سمويل هوندِي آهي. مساوات 7 سان اِظهاريل اهڙِي تبدل بعد پهرين جُزي ‏PC1‎‏ کي هٽائي ان جِي جاءِ تي ‏ستياع رکيو ويندو آهي. آخر ۾، مساوات 8 تحت ابتو تبدل ڪري ستگھاع حاصل ڪيا ويندا آهن[49]. ‏‏
جيئن مساوات 9 ۾ ڏيکاريل آهي، ته تاڃيپيٽو ‏Matrix (v)‎‏ آئيگن طرفڻا ‏Eigen Vectors‏ رکي ٿو، جيڪي سندن آئيگن قدُرن جي ‏حسابَ سان ترتيبيا ويا آهن. اهو ٿتگھاع جي سهه نسبتِي تاڃيپيٽي ‏Correlation Matrix‏ يا سهه ويريئنس تاڃيپيٽي مان معلوم ڪيو ‏ويندو آهي. جڏهن ته سهه ويريئنس تاڃيپيٽو ‏Covariance Matrix‏ استعماليندي عمل ۾ آندل مجڇ کي اڻ معياريل مجڇ ‏Unstandardised PCA‏ ڪوٺيو ويندو آهي ۽ سهه نسبت تاڃيپيٽو ‏Correlation Matrix‏ استعماليندي عمل ۾ آندل مجڇ کي معياريل ‏مجڇ ‏ Standardised PCA‏ ڪوٺيو ويندو آهي. ‏

[سنواريو] لهرڙياتِي طريقا Wavelet-Based Methods

لهرڙي مبدل، جيڪو در اصل سگنل پردازڪاريءَ لاءِ استعمال ٿيندڙ ٽُول آهي، هاڻي عڪس ضماءُ جي کيتر ۾ مقبول آهي. لهرڙي ‏مبدل تي ٻڌل ڪيترا ئي طريقا ڇپجي چڪا آهن. ‏‎[52]‎‏ انهن تي تفصيلي بحث ڪري ٿو ۽ عڪسِل سطح ضماءُ جيِ ڪِنِ معروف ‏لهرڙياتِي طريقن جو تقابلي جائزو پيش ڪري ٿو. عڪس ضماءُ ۾ استعمال ٿيندڙ لهرڙيُن کي ٽن مُک گروهن ۾ ورهائي سگھجي ٿو: ‏آرٿوگونل ‏Orthogonal، ٻِه عمودگوني ‏Biorthogonal، ۽ اڻ عمودگوني ‏Unorthogonal‏. جيتوڻيڪ انهن لهرڙين ۾ ڪي خصوصيتون عام ‏ٿين ٿيون، مگر انهن مان هر ڪا هڪ يُونِيڪ عڪسِي ڊِي ڪمپوزِيشن ۽ ورڪنسٽرڪشن (رِي ڪنسٽرڪشن) جي طريقي کي جنم ڏي ٿِي.
‏ لهرڙي ضماءُ ۾، سڀ کان پهرين سنهي تحلل واري يڪ اِنڊمي عڪس کي ٿلهي تحلل وارن يڪ اِنڊمي عڪسن ۽ سندن واسطيدار ‏لهرڙي ڪوايفِيشنٽس (وِٿائي بارِيڪيون ‏Spatial Details‏ ) جي سيٽ ۾ ڊِي ڪمپوزيو ‏Decomposed‏ ويندو آهي. تنهن کان پوءِ ٿلهو ‏تحلل هُوندڙ گهڻ اِنڊمي عڪس ساڳي تحلل تي پهتل يڪ اِنڊمِي عڪس جِي جاءِ کڻندا آهن. اهڙيءَ ريت هر هڪ گهڻ اِنڊمي عڪس ‏مٿان اُبتو لهرڙي مبدل عمل ۾ آڻيندي، منجهن سنهي تحلل واريُون وِٿائِي بارِيڪيون متعارف ڪرايون وينديُون آهن. عڪس ‏ضماءُ لاءِ ڪيتريون ئي ڪارآمد لهرڙيون دريافت ڪيون ويون آهن، جن تي ٻڌل ضماءُ جا انيڪ طريقا ڳولي لڌا ويا آهن. انهن مان اهم ‏ترين طريقن جا نالا هيٺ ڄاڻائجن ٿا:‏

• ڊسڪريٽ لهرڙِي مبدل (ڊلم)‏ Discrete Wavelet Transform (DWT)‎
• سيرَ اِن ويريئنٽ ڊلٽ Shift Invariant DWT
• ٽُونگدار الخوارزميءَ آڌاريل لهرڙي مبدل‏ A Trous Algorithm based Wavelet Transform
• پيچيده لهرڙِي مبدل Complex Wavelet Transform
• مالات الخوارزمي‏ Mallat Algorithm
• گھڻ تحلُلِي شدت ماڊيوليشن Multi-Resolution Intensity Modulation

[سنواريو] نقش سطح ضماءُ Feature Level Fusion

هيءُ طريقه ڪار مختلف ذريعن کان حاصل ٿيندڙ عڪسن کي هڪ درميانِي سطح تي ضمائي ٿو. هن طريقي ۾ هر هڪ ضمائجندڙ ‏عڪس مان ڊولن، ڇيڙن، لِيڪُن، ڪُنڊُن ۽ دلچسپ حصن جهڙا نقشز ‏Features‏ ڪڍيا ويندا آهن، ۽ پوءِ عڪسن کي ڀاڱيو ‏Segmented‏ ‏ويندو آهي. نقش ڪاڍيل ‏Feature Extracted‏ يا ڀاڱيل ‏Segmented‏ عڪسن کي فزي منطق ‏Fuzzy Logic‏ ۽ ماهرانه سرشتن ‏Expert ‎Systems‏ جهڙا معلوماتِي طريقا ‏Knowledge-based Systems‏ يا اِمتيازي ڇيدَ ‏Discriminant Analysis‏ ۽ مصنوعي تنتِي ڄارڪن ‏‏(متڄ) ‏Artificial Neural Networks (ANN)‎‏ جهڙا تربيت تي ٻڌل سرشتا ‏Training-based Systems‏ استعمال ڪندي ضمايو ويندو آهي، ‏جنهن سان نقشز ‏Features‏ جو هڪڙو ئي سيٽ جُڙندو آهي، جنهن جي بنيادَ تي درجه بندِي ڪئي ويندِي آهي يا نتيجا اخذ ڪيا ويندا ‏آهن. نقش سطحِي عڪس ضماءُ تي تحقيقي ڪم جو تازو مثال ‏‎[53]‎‏ آهي. اهو ‏‎3D Object Extraction‏ جي مقصد سان نقش سطحي ‏عڪس ضماءُ لاءِ فزي منطق استعمال ڪري ٿو. نقش سطحي عڪس ضماءُ جو اڃا تازو مثال ‏‎[54]‎‏ آهي، جيڪو شهري انتظام جي ‏ڪارج لاءِ ‏HyMAP‏ اِندريءَ مان نڪتل گھڻ اِنڊمِي عڪس کي ‏LEO‏ سرشتي جي عدَدِي عمودي تصوير ‏Digital Orthophoto‏ سان ضمائي ‏ٿو. اهو عدَدِي عمودي تصوير جِي ڀاڱيڪارِي ‏Segmentation‏ بذريعه ويجھو ترين پاڙيسِرِي درجيبندِي ‏Nearest Neighbourhood ‎Classification، اِنڊمِي ڪُنڊَ پيما درجيبندِي ‏Spectral Angle Mapper Classification‏ ۽ گھڻ اِنڊمِي عڪس جِي ڀاڱيڪارِي بذريعه ‏اِنڊمي ڪُنڊَ پيما (نقاش) ‏Spectral Angle Mapper‏ ڪري ٿو. بعد ۾، متڄ استعماليندي انهن ٻنهي درجيبندين کي ضمائي ٿو. ‏ خاڪو 7 هڪ بلاڪ ڊياگرام ذريعي نقش سطحِي عڪس ضماءُ جي ڪنهن سرشتي ۾ زير عمل مڙنِي سرگرمين جو سلسلو ڏيکاري ٿو. ‏

[سنواريو] فيصلو يا اِنٽرپريٽيشن سطح ضماءُ Decision or Interpretation Level Fusion

هيءُ اعليٰ ترين تجريدي سطح تي ٿيندڙ ضماءُ آهي. انَ سطح تي ٿيندڙ عڪس ضماءُ ۾، مشاهديل منظر کي بهتر سمجھڻ لاءِ هر هڪ ذرعي اِنٽرپريٽيشن ‏Source Interpretation‏ مان حاصل ٿيندڙ بر اُپتُون (قَدُريل اعداد ‏Value-Added Data‏) پاڻَ ۾ ملائي هڪ نئين ‏گڏيل اِنٽرپريٽيشن حاصل ڪئي ويندي آهي. ان طريقيڪار تحت، هر ذرعي عڪس مان نڪتل نقشز ‏Features‏ کي هڪجهڙن يا ‏مختلف پر الڳ الڳ درجيباندس ‏Classifiers‏ ۾ ڏنو ويندو آهي، ۽ پوءِ ضماءُ جي ڪيترن ئي ميسر طريقن مان ڪو هڪ طريقو اختيار ‏ڪندي مڙني درجيباندس جا فيصلا يا درجيبنديون ضمائبيون آهن. ‏ ‎[55]‎‏ فيصلو سطح ضماءُ جو تازو ترين مثال آهي. اهو پسيچر ٽائيپ جِي نشاندهي ‏Pasture Type Mapping‏ ڪرڻ لاءِ چشمياتِي ۽ جمر ‏عڪس، هر هڪ مان حاصل ڪيل الڳ ۽ آزاد درجيبندين کي ضمائي ٿو. فيصلو سطحي عڪس ضماءُ تي تحقيق جو ٻيو تازو مثال ‏‎[56]‎ ‏آهي. اِنَ منجھه سِرِنگھَه ڊٽيڪشن ‏Landmine Detection‏ خاطر ٽِن قسمن جِي اِندرين ‏Sensors، يعني ڌاتُو ڊٽيڪٽر ‏Metal Detector، زير سُرخ ڪيميرا ‏Infra-Red Camera، ۽ هڪ زمينَ چِير راڊار ‏Ground Penetrating RADAR، جو ضماءُ ڄاڻايل ‏آهي. اهو ڪيترين ئي مختلف الخوارزمين ‏Algorithms‏ جهڙوڪ، نيوِ بيز ‏Naive Bayes، ڊيمپسٽر شيفر نظريي ‏Dampster-Shafer ‎Theory، فزي انديشا (هڪ قاعدوِي طريقو) ‏Fuzzy Probabilities (a rule-based method)‎، ۽ وونٽ طريقن ‏Voting methods‏ سان ‏فيصلو سطح ضماءُ ڪرڻ بعد انهن جِي ڪارڪردگِيءَ کي ڀيٽي ٿو. اهو رسِيوَر آپريٽر ڪيريڪٽرسٽڪس وَنگ ‏Receiver Operator ‎Characteristics (ROC) Curve‎‏ ذريعي سڀني الخوارزمين جِي ڪارڪردگِيءَ جو تقابلِي تجزيو ڪري ٿو ۽ نتيجو اهو ٿو ڪڍي ته ‏سڀني الخوارزمين جِي ڪارڪردگِي هڪ جيترِي سٺِي آهي ۽ اهي ڪنهن به هڪ اِندرِيءَ جِي انفرادِي ڪارڪردگِيءَ کان بهتر نتيجا ‏ڏين ٿيون. ‏

[سنواريو] اعليٰ سطحي ضماءُ جا طريقا ۽ ٽيڪنيڪس

هتي جن طريقن ۽ ٽيڪنيڪس تي بحث ٿيل آهي، سي نه رڳو درجه بنديءَ طور استعمال ٿيندا آهن، بلڪه اينسيمبلز ‏Ensembles‏ ‏جوڙڻ خاطر پڻ ڪم ايندا آهن. ڪنهن اينسيمبل ۾ مصنوعي تنتِي ڄارڪن ۽ فيصله شجرس ‏Decision Trees‏ جهڙن تربيت شده ‏Trained‏ درجيباندس ‏Classifiers‏ جو اهڙي مجموعي کي سڏيو وڃي ٿو، جيڪو متنازع درجه بندين کي سڀني درجيباندس جي ‏انفرادِي اڳڪٿين يا فيصلن کي ضمائي آهي، جن جا . ‏‎[57]‎ اينسيمبلز جوڙڻ جو تفصيلي مطالعو پيش ڪري ٿو. ‏‎[58]‎‏ ڪيترن ئي ‏درجيباندس کي گڏي ڏور اِندرياتِي عڪسن مان لينڊ ڪَوَر ‏Land Cover‏ معلومات حاصل ڪرڻ لاءِ تازِي تحقيقَ جو مثال آهي.
‏ ڏور اِندريات ۾ توڙي ٻين ڪيترن ئي مختلف مصرفن لاءِ درجيبندِيءَ جا سَوين طريقا استعمال ڪيا ويا آهن، جن جِي گوره بندِي ‏مختلف طريقن سان ڪري سگھجي ٿِي، جيڪي هتي نه ڄاڻايا ويا آهن. درجيبندِيءَ جا سمورا نه پر ڪجھه مستعمل طريقا وڌانوڌ ‏هڪجهڙائپ، سلسليوار ڪلسٽرڱ ‏Sequential Clustering، مرحليوار خود ناظم اعدادِي ڇيد (مخناڇ) ڪلسٽرڱ ‏ISODATA ‎Clusstering، درجيبند شجري ڇيد ‏Calssification Tree Analysis، يوڪليڊيئن فاصلو ‏Uclidean Distance، ماهالانوبيس فاصلو، متڄ ‏ANN، وٿائي نقشياتي طريقو ‏Spatial/Textural features based method، فوزي منطق ‏Fuzzy Logic، امتيازي ڇيد ‏Discriminant ‎Analysis‏ آهن. انهن مان ڪجھه طريقا هيٺ سمجھايل آهن.

[سنواريو] وڌانوڌ هڪجهڙائپ (وهه) طريقا Maximum Likelihood (ML) Methods

وهه درجيباند ‏ML Classifier، ڏور اِندريات جي ميدان ۾ استعمال ٿيندڙ درجيبنديءَ جي مشهور ترين طريقن مان هڪ آهي، جنهن ‏تحت ڪنهن ڪلاس يا درجي سان وڌ کان وڌ هڪجهڙائپ رکندڙ عڪسِل کي اُنَ ڪلاس يا درجي ۾ درجيبند ڪيو ويندو آهي. اهو ‏انديشن ‏Probabilities‏ تي ٻڌل هڪ نگرانيل ‏Supervised‏ طريقو آهي، جيڪو هاءِ سهه ويريئنس ‏Covariance‏ جي صورتَ ۾ انتهائي ‏ڪارآمد آهي. وڌانوڌ هڪجهڙائپ طريقو درجيبنديءَ جِي رٿا جوڙڻ خاطر درجاتِي انڊمُن ‏Class Spectra‏ منجھه موجود ويريئنس ۽ ‏انهن درميان سهه ويريئنس ‏Covariance‏ جو استعمال ڪندو آهي. جمر قطبپيما اعداد ‏SAR Polarimetric Data‏ جِي درجيبنديءَ لاءِ ‏‎[55]‎‏ پيچيده وشارٽ ورڇَ ‏Complex Wishart Distribution‏ تي ٻڌل وهه درجيباند استعمال ڪري ٿو. ‏

[سنواريو] مصنوعي تَنتِي ڄارڪا (متڄ)‏ Artificial Neural Networks (ANNs)‎

جيڀياسي سُوجھه سرشتن ‏Biological Cognitive System‏ (کان متاثر ٿيل ‏Inspired‏) کان متاثر ٿِي ايجاديل مصنوعي تنتي ڄارڪا ‏اهڙن ڪيترن ئي مصرفن، جهڙوڪ خودڪار گفتگُو شناختَ ‏Automatic Speech Recognition، ۾ ڪارآمد ثابت ٿيا آهن، جن ۾ روايتِي ‏عددي سگنل پردازڪاري ‏Digital Signal Processing‏ اطمينان بخش ڪارڪردگِي نه ڏيکاري سگھِي. متڄ جو وڏي ۾ وڏو فائدو اهو ‏آهي ته اهي انهن مسئلن جو اڻ سنئون حل ‏Nonlinear Solution‏ ميسر ڪن ٿا، جيڪي پوريءَ طرح سمجھايل نه آهن. متڄ، تنتِي ‏گھرڙو ‏Neural Cell‏ يا تنتڙو ‏Neuron‏ سڏجندڙ سادين وزنيل جوڙَ اُپتُن ‏Weighted Summation Points‏ جو مجموعو آهي. جنهن ريت ‏اهي تنتِڙا پاڻ ۾ ڳنڍيا وڃن، تنهن کي ونگيات ‏Architecture‏ سڏجي ٿو. متڄ جا ڪيتريون ئي ونگيات ٿين، مگر انهن ۾ ‏مشهور ترين فيڊ فارورڊ گھڻ تَهِي سُوجھڻو (گھتس) ‏Feed Forward Multi-Layer Perceptron (MLP)‎‏ آهي، جيڪو 1970ع واري ‏ڏهاڪي جي ابتدا ۾ ڪيترن ئي محققن انفرادي طور ٺاهيو. ان مخصوص ڄارڪي جو استعمال ٻين سمورن ڄارڪن ‏جي گڏيل استعمال کان به گهڻو ٿي ٿو. اهو ڪيترن ئي مختلف قمسن جي ڪارجن ۽ مصفرن لاءِ استعمال ٿي ٿو. گھتپس کي تربيتڻ ‏Train‏ جو هڪ معيارِي طريقو بيڪ پروپيگيشن الخوارزمي ‏Back Propagation Algorithm‏ آهي.‏ ڪنهن ٽِپيڪَل گھتس ۾ تنتڙن جا ٽي تهه هوندا آهن، جن کي دراُپت تهه ‏Input Layer، براُپت تهه ‏Output Layer، ۽ گھٽ ۾ گھٽ هڪُ ‏لڪل ‏Hidden‏ يا پردازڪار تهه ‏Processing Layer‏. لڪل تهن جي تعداد جِي ڪا به نظرياتِي حدَ ڪانهي پر ٽِپيڪَلِي رڳو هڪُ يا ٻه ‏تهه هوندا آهن. گھتس ۾ هر تهه مٿين تهه سان پوريءَ ريت ڳنڍيل هوندو آهي، جيئن خاڪو 9 ڏيکاري ٿو. هيءُ خاڪو ‏‎[26]‎‏ مان ورتل ‏آهي. ‏‎[60]‎‏ نقش سطحي اعداد ضماءُ لاءِ متڄ جو استعمال ڪري ٿو. ‏‎[61]‎‏ ڏور اِندريات عڪسن جي درجيبندِيءَ لاءِ متڄ جو استعمال ‏ڏَسي ٿو. ‏‎[62]‎‏ متڄ ذريعي عڪس ضماءُ جي تازن مثالن مان هڪ آهي. اهو عڪس درجيبندِيءَ جو هڪ نئون ۽ بهتر تنت فزي ‏Neuro-Fuzzy‏ طريقو دريافت ڪري وٺڻ جِي دعويٰ ڪري ٿو، جنهن جو بنياد متڄ ۽ فزي ماهر سرشتن ‏Fuzzy Expert Systems‏ جي ‏ميلاپ تي پيل آهي. ‏

[سنواريو] فزي نظريو يا امڪانيات نظريو‏ Fuzzy Theory

‏1965ع ۾ ڊاڪٽر لوطفي زاده جو متعارف ڪرايل هيءُ نظريو ‏

[سنواريو] ڊيمپسٽر شيفر نظريو Dampster Shaffer Theory

[سنواريو] نيوِ بيز نظريو‏ Naive Bayes Theory

[سنواريو] وونٽ طريقا Voting Methods

[سنواريو] گھڻ سطحي ضماءُ Multi-level Fusion

[سنواريو] علائقيوار ضماءُ