ارزیابی قابلیتهای شبکه های عصبی مصنوعی در طبقه بندی شیء- پایه تصاویر ماهواره ای

محل انتشار: همایش ژئوماتیک 82
سال انتشار: 1382
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,222

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:

GEO82_19

تاریخ نمایه سازی: 25 آذر 1384

چکیده مقاله:

از آنجاییکه پدیده های زمینی دارای مناطق همپوشانی طیفی هستند بنابراین استفاده از این ویژگیها در طبقه بندی پدیده های مذکور به نتایج قابل قبولی منجر نخواهد شد. لذا استفاده از داده های کمکی مانند بافت ارتفاع ، شیبی و جهت و داده های مکانی از قبیل شکل، اندازه محیط و مساحت در کنار اطلاعات طیفی می تواند باعث کاهش خطا از یک طرف و توسعه تعداد کلاسهای زمینی از طرف دیگر شود. طبقه بندی شیء-گرا از این قبیل اطلاعات در فرآیند طبقه بندی استفاده می کند. از طرف دیگر الگوریتم های سنتی مشابهت و مهالانوبیس بخاطر وابستگی به مدل توزیع آماری گوسی، نمی توانند از این منابع چندگانه با مقیاسها و توزیع های آماری مختلف بنحو موثری استفاده نمایند. بنابراین نیاز به الگوریتم هعایی با انعطاف پذیری بالا مانند شبکه های عصبی مصنوعی می باشد که ویژگی ها را از خود داده ها استخراج نماید.

کلیدواژه ها:

نویسندگان

عبای علیمحمدی

عضو هیئت علمی گروه سنجش از دور و GIS دانشگاه تربیت مدرس

جلال کرمی

کارشناسی ارشد سنجش از دور و GIS گروه دورنسنجی سازمان زمین شناسی و اکتشافا

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 :
  • منهاج محمدباقر، مبانی شبکه های عصبی، دانشگاه صنعتی امیرکبیر، 1379 ...
  • نجفی دیسفانی محمد، پردازش کامپیوتری تصاویر سنجش از دور، سمت.1377 ...
  • رزم آرا جعفر، طبقه بندی داده های منابع چندگانه سنجش ...
  • Richards John .A, Remote sensing digital image analysis, Springer, 1 ...
  • Gonzalez Rafael.C, and Woods Richard.E, Digital image processing, Addi son-Wesley, ...
  • Biadu R.Rao, Obj ect-Oriented Databases, Mc Graw-HILL, 1994 ...
  • Manfred H.Gunzl and Olaf Hellwich, A new Segment shape parameter ...
  • Eric L.Miller & Carey Rappaport .A New Shape-Based Method for ...
  • Patricia G., Foschi and Deorah K.Smith, Detecting Subpixel Woody Vegetatioin ...
  • R.De Kok, A .Buck, T _ schneider, U. Ammer, Analysis ...
  • 1 -G _ WILLHAUC K, Comparison Of Object Oriented Classification ...
  • TUNG-H SU(T ONY)HOU& MING-DER PERN, .A SHAPE CLAS SIFIER BY ...
  • نمایش کامل مراجع