ورود
مقالات فارسیISIکنفرانسهاژورنالها

روشی نوین در بهبود نتایج آشکارسازی تغییرات با تلفیق تصاویر اپتیک و رادار و بکارگیری روشی بدون نظارت و مبتنی بر الگوریتم PSO

محل انتشار: فصلنامه اطلاعات جغرافیایی ( سپهر)، دوره: 29، شماره: 116
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 301

فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:
https://civilica.com/doc/1200482

شناسه ملی سند علمی:

JR_SEPEHR-29-116_001

تاریخ نمایه سازی: 21 اردیبهشت 1400

چکیده مقاله:

اطلاعات حاصل از آشکارسازی تغییرات در مناطق شهری تاثیر بسزایی در برنامهریزی و مدیریت شهری خواهد داشت.مناطق شهری به دلیل تنوع پدیدهها، انواع پوشش سطح به عنوان یک منطقه پیچیده در نظر گرفته میشوند که کسب اطلاعات از این مناطق همواره با چالشهایی روبه رو میباشد. از این رو این احتمال وجود داد که در صورت استفاده مستقل از دادههای اپتیک و رادار در بحث آشکارسازی تغییرات، بعضی از مناطق تغییر یافته تشخیص داده نشوند یا نتایج کاذب از خود ارائه دهند.با توجه به مزیت تلفیق دادههای اپتیک و رادار و همچنین بکارگیری روشهای بدون نظارت در بحث آشکارسازی تغییرات، در پژوهش حاضر به توسعه روشی بدون نظارت جهت تلفیق دادههای اپتیک و رادار با هدف تشخیص تغییرات پرداخته شد.به این منظور ویژگیهایی از تصاویر اپتیک و رادار استخراج و وارد الگوریتم C۲VA شد. در ادامه برای هر یک از ویژگیهای ورودی به بخش C۲VA یک وزن با استفاده از الگوریتم PSO برآورد گردید.خروجی روش پیشنهادی تصویر تک باندی با محتوای اطلاعاتی بالاتر خواهد بود که بعد از اعمال حد آستانه OTSUبه دو کلاس تغییر یافته و بدون تغییر تفکیک میشود. روش پیشنهادی با دیگر روشهای آشکارسازی تغییرات، مقایسه و مورد ارزیابی قرار گرفت. یافتههای این پژوهش نشان دهنده کارایی و صحت بالای روش توسعه داده شده جهت تشخیص تغییرات میباشد به گونهای که نسبت پیکسلهای اشتباه شناسایی شده به کل پیکسلها دادهی ارزیابی۹.۲۱ درصد بوده که دارای پایینترین مقدار است و صحت کلی طبقهبندی و ضریب کاپا بهترتیب با ۹۰.۷۹ ،۰.۸۱۹ به عنوان بالاترین مقادیر، نسبت به دیگر روشهای مورد استفاده در پژوهش حاضر میباشند.

کلیدواژه ها:

نویسندگان

سعید محمودی زاده

کارشناس ارشد مهندسی سنجش از دور، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان

علی اسماعیلی

استادیار، گروه مهندسی نقشه برداری، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته،کرمان

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 :
  • 1- اسدی، بنایان اول، جهان، فرید حسینی؛ سارا، محمد، محسن؛ ...
  • 2- اصغری سراسکانرود، جلیلیان، پیروزی نژاد، مددی، یادگاری؛ صیاد، روح ...
  • 3- ایمانی، ابراهیمی، قلی نژاد، طهماسبی؛ جمال، عطاءالله، بهرام؛ پژمان، ...
  • 4- شکرالهی، صاحبی، عبادی؛ مهین، محمودرضا، حمید؛ 1393، تلفیق داده‌های ...
  • 5- کریمی، رنگزن، اکبری‌زاده، کابلی‌زاده؛ دانیا، کاظم، غلامرضا، مصطفی؛ 1395، ...
  • 6- مناطقی، ط.ولدان زوج، م. مقصودی مهرانی،ی. شناسایی تغییرات ساختمان‌ها ...
  • 7- نجفی، حسنلو؛ امیر، مهدی، 1397، آشکارسازی تغییرات کاربری اراضی ...
  • 8- نیمروزی، نوروز.1389، بررسی پیامد‌های حاشیه نشینی بر نظام فرهنگی ...
  • 9-Abdelaziz-Azzouzi, S., Pantaleoni, V, Adda-Bentounes, H., 2018, Monitoring desertification inBiskra, ...
  • 10-Bovolo,F. Marchesi, S. Bruzzone,L.2012, A framework for automatic and unsupervised ...
  • 11-Chen, X., Chen, J., Shi, Y.,& Yamaguchi, Y.2012, An automated ...
  • 12-Engelbrecht, P,2007, Computational intelligence: an introduction. Wiley online library ...
  • 13-İlsever, M., & Ünsalan, C.2012, Two-Dimensional Change Detection Methods, (No. ...
  • 14-Jantz,C.J.,S.J.Goetz,A.J.Smith, and M. Shelly .2003, Using the SLEUTH Urban growth ...
  • 15-Jat, M. K., Garg, P. K., Khare, D.2008, Monitoring and ...
  • 16-Karnieli, A.; Qin, Z.; Wu, B.; Panov, N.; Yan, F.2004, ...
  • 17-Kuncheva, Ll., Whitaker, C. J. 2003, Measures of diversity in ...
  • 18-Kuncheva, L.2004,Combining Pattem Classifiers methods and algorithms, A john Wiley&sons, ...
  • 19-Luo, H.; Liu, C.; Wu, C.; Guo, X. 2018, Urban ...
  • 20-Malila, W. A. ,1980, Change Vector Analysis:An Approach for Detecting ...
  • 21-Mhangara, P.,& Odindi, J. 2013, Potential of texture-based classification in ...
  • 22-Mishra B,Susaki J , 2014, OPTICAL AND SAR DATA INTEGRATION ...
  • 23.-Otsu, N,1979, A threshold selection method from gray-level histogram”, IEEE ...
  • 24-Poli, Kennedy,j, and Blackwell, T,2007, Particle swarm optimization”, Swarm intelligence, ...
  • 25-Radke, R. J., Andra, S., Al-Kofahi, O.,& Roysam, B.2005, Image ...
  • 26-Sallaba, F. 2009, Potential of a Post-Classification Change Detection Analysis ...
  • 27-Xie, M.,& Fu, M.2011, The temporal dynamics of urban heat ...
  • 28-Xu, H., Wang, X., Xiao, G.2000, A remote sensing and ...
  • 29-Xue, J. Su, B. 2017, Significant Remote Sensing Vegetation Indices: A ...
  • 30-Yousif O, Ban Y, 2017, Fusion of SAR and Optical ...
  • 31-Zha, y. Gao, j. ni, s. 2003, Use of normalized ...
  • 32Zhang, B.Chen,K. Zhou,Y. Xie,M. Zhang,H ,2010, Research on Change Detection ...
    • نمایش کامل مراجع