ارتقای دقت طبقه بندی تصاویرلندست +ETM با استفاده از ترکیب داده های طیفی و بافتی (منطقه مورد مطالعه شهرکرج)
محل انتشار: کنفرانس بین المللی معماری، شهرسازی، عمران، هنر و محیط زیست؛ افق های آینده، نگاه به گذشته
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 484
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICAUCAE01_1694
تاریخ نمایه سازی: 10 تیر 1396
چکیده مقاله:
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:
نویسندگان
علی شمس الدینی
استادیار گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشگاه تربیت مدرس، تهران
شهربانو اسماعیلی
دانشجوی کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشگاه علوم و تحقیقات، تهران
علیرضا وفایی نژاد
استادیار گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشگاه علوم و تحقیقات، تهران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :