بهینه سازی دقت طبقه بندی تصویر سنجده لندست با روش ازدحام ذرات PSO

  • سال انتشار: 1400
  • محل انتشار: دومین کنفرانس ملی تغییرات محیطی با استفاده از فناوری سنجش از دور و GIS
  • کد COI اختصاصی: ENVIRS02_032
  • زبان مقاله: فارسی
  • تعداد مشاهده: 151
دانلود فایل این مقاله

نویسندگان

زهرا سبحانی نژاد

دانشجوی کارشناسی ارشد سنجش از دور و GIS ، گروه سنجش از دور و GIS ، دانشکده علوم انسانی، دانشگاه تربیت مدرس، تهران

حمید باقری

عضو هیئت علمی، گروه مهندسی عمران، دانشگاه فنی و حرفه ای تهران، ایران

مهران شایگان

استادیار دانشکده علوم انسانی، گروه سنجش از دور و GIS ، دانشگاه تربیت مدرس، تهران

چکیده

یکی از عوامل مهم در برنامه ریزی و مدیریت شهری، پایش و بررسی روند تغییرات مکانی کاربری اراضی است. در این بین استفاده از داده های سنجش از دور با توجه به ارائهی اطلاعات کم هزینه و صرفه جویی در زمان برای ارزیابی برنامه ریزی شهری جایگاه خاصی دارد. طبقه بندی جهت استخراج کاربری اراضی, یکی از مهمترین کاربردهای سنجش از دور میباشد و به همین دلیل روشهای متفاوتی برای این کار ایجاد شدهاند. با گذشت زمان روشهای پیشرفته تر و با دقت بالاتری به وجود آمدهاند که باعث بهبود دقت شده و در استخراج کلاسهایی که از نظر طیفی به هم نزدیکتر هستند بهتر عمل کردهاند. از این رو پس از انجام عملیات پیشپردازش، نظیر آماده سازی تصویر جهت انجام تصحیحات رادیومتریکی و هندسی با استفاده از نرمافزار ENVI ۵.۳ انجام شد, سپس با استفاده از روش طبقه بندی ماشین بردار پشتیبان ۱ صحت کلی روش مذکور %۹۱ و ضریب کاپا ۰.۸۸۶۳ برآورد گردید. لذا در این پژوهش، با استفاده از تصویر ماهواره لندست۸ و با اجرای الگوریتم نظارتشده ماشین بردار پشتیبان نقشه کاربری اراضی شهر زنجان استخراج گردید. هدف از این تحقیق, افزایش دقت طبقه بندی تصویر ماهواره ای با استفاده از الگوریتم بهینه سازی ازدحام ذرات۲ میباشد. این الگوریتم در نرمافزار متلب برنامه نویسی و تصویر طبقه بندی شدهی مورد نظر به عنوان ورودی این برنامه معرفی شد. در نهایت دقت طبقه بندی تصویر با استفاده از الگوریتم PSO حدود ۲ درصد بهبود داده شد.

کلیدواژه ها

بهینه سازی، الگوریتم ازدحام ذرات((PSO، طبقه بندی، ماشین بردار پشتیبان((SVM

اطلاعات 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.