طبقه بندی تجمعی داده های راداری و اپتیکی براساس ویژگی های مکانی چندگانه چند سطحی و بافتی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 773

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:

ESUD02_436

تاریخ نمایه سازی: 22 آبان 1395

چکیده مقاله:

طبقه بندی یکی ازتکنیکهای بسیار مهم در آنالیز داده های سنجش از دوری بوده که به عنوان یک منبع داده های اساسی در بسیاری از مطالعات زیست محیطی و اجتماعی – اقتصادی در نظر گرفته می شود انجام طبقه بندی با دقت بالا، مورد توجه محققان زیادی بوده و روشهای متنوعی برای این منظور معرفی گردیده است یکی از راه های رسیدن به طبقه بندی دقیق به همراه مکان استفاده از اطلاعات متنوع مستخرج از تصاویر، تلفیق داده ها ی راداری با اپتیکی می باشد در این مقاله با توجه به عدم تناسب روشهای مبتنی بر پیکسل برای تلفیق داده ای راداری با اپتیکی تلفیق داده ای رادارای و اپتیکی ALOS PALSAR و ALOS AVNIR بروش مبتنی بر ویژگی براساس تلفیق ویژگی ها برای رسیدن به بالاترین دقت در طبقه بندی می باشد لذا برای اولین بار بکارگیر پروفایل های ویژگیهای چندگانه چند سطحی مورفولوژیکی حاوی مهمترین اطلاعات طیفی و مکانی تصاویر و ترکیب آنها با اطلاعات بافتی مهم برای تلفیق دادهای راداری و اپتیکی با هدف طبقه بندی انجام شد برای انجام طبقه بندی تنک معرفی و استفاده گردید قابل ذکر است این روش طبقه بندی تابحال براساس تلفیق ویژگی های راداری و اپتیکی بکار گرفته نشده است لذا این پژوهش فرصتی برای ارزیابی قابلیت این روش طبقه بندی د راختیار قرا ردارد نتایج طبقه بندی حاصل از ترکیب جدید ویژگی های فوق الذکر با نتایج حاصل از تلفیق سایر ویژگی های مهم مورد مقایسه قرار گرفت.

کلیدواژه ها:

تلفیق مبتنی ، بر ویژگی ، ویژگی بافتی ، پروفایل ویژگی مورفولوژیکی ALOS

نویسندگان

دانیا کریمی

دانشجوی کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیای دانشکده علوم زمین دانشگاه شهیدجمران اهواز

کاظم رنگزن

دانشیار گروه سنجش از دور و سیستم اطلاعات جغرافیایی دانشکده علوم زمین دانشگاه شهید چمران اهواز

غلامرضا اکبری زاده

استادیار گروه برق دانشکده مهندسی دانشگاه شهید چمران اهواز

مصطفی کابلی زاده

استادیار گروه سنجش از دور و سیستم اطلاعات جغرافیایی دانشکده علوم زمین دانشگاه شهید چمران اهواز

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 :
  • Byun, Younggi., Choi, Jaewan., Han, Youkyung., (2013), «An Area-Based Image ...
  • Benediktsson, Jon Aevar., Palmason, Jon Atli., and Sveinsson, Johannes , ...
  • Cao, Zongjie., Feng, Jilan., Min, Rui, Pi, Yiming., (2012), «NMF ...
  • Chen, Scot Sahobing., Donoho, David. and Saunders, Michael A., (2001), ...
  • Dalla Mura, Mura, Benediktsson, Jon Atli., Waske, Bjorn, and Bruzzone, ...
  • Dalla Mura, Mura., Benediktsson, Jon Atli., Waske, Bjorn and Bruzzone, ...
  • Fukuda, Seisuke and Hirosawa, Haruto., (1999), «A wavelet-based texture feature ...
  • Gao, Xin., Cao, Zongjie., Zheng, Yingxi., Fan, Yong., Zhang, Qi., ...
  • Ghamisi, Pedram., Couceiro, Micael., and Benediktsson, Jon Atli., (2013), «Clas ...
  • Ghamisi, Pedram., Dalla Mura, Mauro 0 , and Benediktsson, Jon ...
  • Haralick, Robert., Shanmugan and Dinstein, Its'hak., (1973), «Texturan Features for ...
  • Zhang, Xiangrong 0 , Jiao, Licheng., Liu, Fang., Bo, Liefeng ...
  • Zhang, Hongsheng., Lin, Hui., Li, Yu., (2015), «Impacts of Feature ...
  • Paatero, Pentti, , Tapper, Unto., (1994), «Positive matrix factorization. A ...
  • PourEbtehaj, Zoha. , R amachandram, Dhanesh., (2013), «Automatic Target Recognition ...
  • Pesaresi aMartino and Benediktsson, Jon Atli., 0 , (2001), «A ...
  • Soille, Pierre., (2003), «Morpholo gical Image Analysis, Principles and Applications», ...
  • Song, Benqin., Li, Jun., Dalla Mura, Mauro., Li, Peijun., Plaza, ...
  • Chi, Mingmin and Bruzzone, Lorenzo., (2006), «An en semble-driven k-NN ...
  • نمایش کامل مراجع