بررسی بهبود دقت طبقه بندی با استفاده از ادغام تصویر تک باند ALI با تصاویر ابرطیفی Hyperion
- سال انتشار: 1394
- محل انتشار: نشریه سنجش از دور و GIS ایران، دوره: 7، شماره: 3
- کد COI اختصاصی: JR_GIS-7-3_005
- زبان مقاله: فارسی
- تعداد مشاهده: 207
نویسندگان
کارشناس ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، گروه سنجش از دور و GIS، دانشگاه تربیت مدرس
استاد، دانشکده برق و کامپیوتر، دانشگاه تربیت مدرس
کارشناس ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، گروه سنجش از دور و GIS، دانشگاه تربیت مدرس
دانشجوی کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده جغرافیا، دانشگاه تهران
کارشناس ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، سازمان نقشه برداری ایران
چکیده
بیشتر الگوریتم های طبقه بندی داده های سنجش از دور براساس ویژگی ها و اطلاعات طیفی پیکسل ها عمل میکنند. این مسئله باعث نادیده گرفتن اطلاعات مکانی سودمند و قابل استخراج بسیاری، مانند بافت تصاویر میشود. محیط شهری بافت ناهمگنی دارد که شناسایی انواع کاربری ها را به فرایندی دشوار و پیچیده تبدیل کرده است. در این پژوهش تاثیر استفاده از بافت تصویر تکباند سنجنده ALI (Advanced Land Imager) بر دقت طبقه بندی تصاویر ابرطیفی سنجنده هایپریون«Hyperion» در محیط های شهری بررسی شد. طبقه بندی با استفاده از روش جنگل های تصادفی[۱] و در پنج سناریوی مختلف انجام شد: سناریوی شماره ۱: طبقه بندی اطلاعات طیفی تصویر ادغام شده به روش [۱]CNT(بدون لحاظ کردن اطلاعات بافت)؛ سناریوهای ۲، ۳، ۴ و ۵: طبقه بندی تصویر CNT با افزوده شدن بردارهای ویژگی بافت حاصل از روش ماتریس هم وقوعی در اندازه های پنجره ۳، ۵، ۷ و ۹ هستند. براساس یافته های این تحقیق، افزودن بافت به طیف تصویر ادغامی به روش CNT دقت طبقه بندی را بهبود چشمگیری داد، به گونه ای که دقت کلی بر اثر افزودن بافت با حدود ده درصد افزایش، از ۸۰.۴۷% به ۹۰.۷۴% رسید. بسیاری از پوشش های کاربری مانند جاده، بافت مسکونی، صنایع کوچک و پراکنده و صنایع متمرکز نیز در زمینه دقت تولیدکننده و مصرفکننده رشد چشمگیری را شاهد بودند. پارامتر خطای OOB[۱] با ۱۱% کاهش، از ۱۹.۸۶ به ۸.۸۷% رسید. بردارهای ویژگی مانند میانگین و کنتراست نیز، توانستند از لحاظ میزان اهمیت در رتبه های بالا قرار گیرند. همچنین، افزایش اندازه پنجره منجر به بهبود بیشتر دقت طبقه بندی شد، به گونه ای که اندازه پنجره ۹ بهترین عملکرد را در پی داشت.کلیدواژه ها
سنجش از دور, تصاویر ابرطیفی, ادغام تصاویر, جنگل های تصادفی, بافتاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.