ارزیابی تکنیک های مختلف طبقه بندی شی گرا در استخراج کاربری اراضی از تصاویر ماهواره آیکونوس

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 550

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_SEPEHR-28-111_014

تاریخ نمایه سازی: 17 دی 1398

چکیده مقاله:

طبقه بندی تصاویر ماهواره ای با استفاده از پردازش شی گرا تاکنون با بهره گیری از تکنیک های مختلف به طور گسترده ای مورد استفاده قرار گرفته است. اگرچه تعداد بسیار زیادی الگوریتم طبقه بندی برای تصاویر ارائه شده، اما به ندرت بر روی یک مورد یکسان بایکدیگر مقایسه شده اند. در این پژوهش، تصویر ماهواره آیکونوس با استفاده از سه الگوریتم طبقه بندی شی ءگرا از جمله؛ آستانه گذاری، نزدیک ترین همسایگی و طبقه بندی فازی در تهیه نقشه کاربری اراضی مورد مقایسه قرار گرفته است. جهت طبقه بندی و مقایسه نتایج حاصل از هر سه روش مورد مطالعه از نقاط کنترل زمینی یکسان استفاده شده است و در نهایت بهترین الگوریتم طبقه بندی با استفاده از روش های ارزیابی صحت از جمله؛ شاخص دقت کلی و ضریب کاپای طبقه بندی مشخص گردید. نتایج حاصل از طبقه بندی و ارزیابی دقت نشان دهنده بالاترین میزان دقت کلی و ضریب کاپا برای الگوریتم فازی شی ءگرا می باشد که دقت بالای این روش به دلیل بررسی د رجه عضویت پارامترهای موثر د ر طبقه بند ی و استفاد ه از پارامترها و معیار های دارای بیشترین د رجه عضویت در طبقه بندی می باشد. همچنین تکنیک  نزدیک ترین همسایگی با استفاده از الگوریتم FOS با تولید دقت کلی 92/0 و ضریب کاپا 909/0 بعد از الگوریتم فازی شی ءگرا بیشترین دقت را دارا می باشد. روش تعیین آستانه به دلیل دخالت کاربر در تعیین آستانه ها - جهت طبقه بندی - کمترین دقت را در استخراج کاربری های اراضی بین سه روش مورد مقایسه نشان می دهد. به دلیل ماهیت مقایسه ای این پژوهش نتایج آن برای شناسایی روش های بهینه در تولید و تهیه نقشه کاربری اراضی از تصاویر با قدرت تفکیک مکانی بالا از اهمیت بالایی برخوردار بوده و قابل استفاده برای پژوهشگران و سازمان های تولیدکننده نقشه های کاربری اراضی می باشد.

نویسندگان

سعید سلمانی

دانش آموخته کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده جغرافیا و برنامه ریزی، دانشگاه تبریز

حمید ابراهیمی

دانش آموخته کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده جغرافیا و برنامه ریزی، دانشگاه تبریز

کیوان محمد زاده

دانش آموخته کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده جغرافیا و برنامه ریزی، دانشگاه تبریز

خلیل ولیزاده کامران

دانشیار گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده جغرافیا و برنامه ریزی، دانشگاه تبریز

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 :
  • ارزیابی استفاده از الگوریتمهای فازی در افزایش دقت نقشههای کاربری اراضی استخراج شد ه با رو شهای پرد ازش شیءگرا [مقاله ژورنالی]
  • نیک فر، م.، ولدان زوج، م.، مختارزاده، م.، علیاری،م. 1394. ...
  • Baatz, M., Hoffmann, C. & Willhauck, G. (2008). Progressing from ...
  • Benz, U. C., Hofmann, P., Willhauck, G., Lingenfelder, I. & ...
  • Blaschke, T. (2010). Object based image analysis for remote sensing. ISPRS ...
  • Blaschke, T., Hay, G. J., Kelly, M., Lang, S., Hofmann, ...
  • Chaudhuri, B. B. & Sarkar, N. (1995). Texture segmentation using ...
  • Chavez, P.S., Jr. 1998. An Improved Dark-Object Subtraction Technique for ...
  • Chen, M., Su, W., Li, L., Zhang, C., Yue, A. ...
  • Chipman, J. W., Lillesand, T. M., Schmaltz, J. E., Leale, ...
  • Drăguţ, L. & Blaschke, T. (2006). Automated classification of landform ...
  • Fassnacht, F. E., Hartig, F., Latifi, H., Berger, C., Hernández, ...
  • Ghosh, A. & Joshi, P. K. (2014). A comparison of ...
  • Li, M., Ma, L., Blaschke, T., Cheng, L. & Tiede, ...
  • Liu, Y., Li, M., Mao, L., Xu, F. & Huang, ...
  • Myint, S. W., Gober, P., Brazel, A., Grossman-Clarke, S. & ...
  • Navulur, K. (2006). Multispectral image analysis using the object-oriented paradigm. CRC ...
  • Pal, M. & Mather, P. M. (2005). Support vector machines ...
  • Strasser, T. & Lang, S. (2015). Object-based class modelling for ...
  • Süzen, M. L. (2002). Data driven landslide hazard assessment using geographical ...
  • Szuster, B. W., Chen, Q. & Borger, M. (2011). A ...
  • Tiede, D., Lang, S., Albrecht, F. & Hölbling, D. (2010). ...
  • Wijaya, A., Budiharto, R. S., Tosiani, A., Murdiyarso, D. & ...
  • Yu, Q., Gong, P., Clinton, N., Biging, G., Kelly, M. ...
  • Yu, Q., Gong, P., Tian, Y. Q., Pu, R. & ...
  • Zhang, Y. & Maxwell, T. (2006, May). A fuzzy logic ...
  • نمایش کامل مراجع