ارتقای دقت طبقه بندی تصاویرلندست +ETM با استفاده از ترکیب داده های طیفی و بافتی (منطقه مورد مطالعه شهرکرج)

هدف از این تحقیق بررسی کارایی و تاثیر نوع داده های ورودی بر صحت نتایج حاصل از الگوریتم های طبقه بندی حداکثر شباهت، شبکه عصبی و ماشین بردار پشتیبان به منظور طبقه بندی دقیق کلاسهای شهری و حومه آن و انتخاب الگوریتم مناسب برای طبقه بندی تصاویر ماهواره ای لندست +ETM می باشد. بدین منظور داده های طیفی مربوط به باندهای تصویر لندست 7 اخذ شده در جولای سال 2000 میلادی مورد استفاده قرار گرفت. همچنین، اطلاعات بافت با استفاده از روش ماتریس وقوع همزمان سطوح خاکستری با ابعاد پنچره 3×3 از باندهای مختلف این تصویر استخراج گردید. در این تحقیق همچنین لایه ای جدید به نام شاخص فاصله از اراضی کشاورزی دارای پوشش گیاهی محاسبه گردید. با استفاده از این داده های ورودی، عملکرد سه روش طبقه بندی شامل حداکثر شباهت، شبکه عصبی، و ماشین بردار پشتیبان با هسته های خطی ، چند جمله ی درجه یک و دو، و تابع پایه شعاعی ، به منظور طبقه بندی چهار کلاس شهر، اراضی بایر، اراضی کشاورزی و آب مورد ارزیابی قرار گرفت نتایج این تحقیق نشان داد که استفاده از اطلاعات بافت تصویر در کنار ویژگی های طیفی تصاویر حاصل از ادغام، می تواند باعث بهبود دقت ماشین بردار پشتیبان شود. همچنین استفاده از اطلاعات بافت در کنار شاخص فاصله و ویژگی های طیفی ، به بهبود دقت روش ماشین بردار پشتیبان کمک نماید. روش ارایه شده در این تحقیق، می تواند در استخراج اراضی کشاورزی دارای پوشش گیاهی و بدون پوشش گیاهی و تفکیک بهتر زمین های بایر از اراضی کشاورزی بدون پوشش گیاهی موثر و کارآمد باشد.

کلیدواژه ها:

لندست 7 ، حداکثر شباهت ، شبکه عصبی ، ماشین بردار پشتیبان