طبقه بندی تصاویرسنجش از دور با استفاده از روش های تبدیل و ویژگی های مکانی

نقشه های کاربری و پوشش های زمینی، در برنامه ریزی های کشوری از اهمیت خاصی برخوردار است.سنجش از دور موثرترین روش در تهیه اطلاعات پوششزمینی محسوب می شود. فرایند طبقه بندی تصاویر سنجش از دور شامل دو مرحله استخراج ویژگی و طبقه بندیخودکار این ویژگی ها می باشد. در این مقاله در مرحله یاستخراج ویژگی از روش های تبدیل از جمله (فیلتر گابور،موجک، ریپلت 1، ریپلت 2، ریدگلت و کرولت) استفاده شده است.روشهای تبدیل در یافتن مرزها و لبه های شکل موفقعمل کرده اند. از میان روشهای تبدیل، تبدیل ریپلت بهنتایج دقت بالاتری نسبت به سایر روشها دست یافتهاست. برای بهبود دقت طبقه بندی در توزیع داخل کلاسیروش هایی مانند (ماتریس هم رخداد سریع و الگوی باینریمحلی موثر می باشند). ترکیب روش ریپلت 1 از میان روشهای تبدیل با ماتریس همرخداد سریع و الگوی باینریمحلی دقت طبقه بندی را تا حدود 4 الی 5 درصد بهبودمی بخشد. در مرحله طبقه بندی از روش SVM استفاده شده است و برای پیاده سازی کتابخانه LibSVM به کار رفته است.

کلیدواژه ها:

الگوی باینری محلی ، تصاویر سنجش از دور ، ریپلت ، طبقه بند ، ماتریس هم رخداد