ارتقای دقت طبقه بندی تصاویرلندست +ETM با استفاده از ترکیب داده های طیفی و بافتی (منطقه مورد مطالعه شهرکرج)
- سال انتشار: 1394
- محل انتشار: کنفرانس بین المللی معماری، شهرسازی، عمران، هنر و محیط زیست؛ افق های آینده، نگاه به گذشته
- کد COI اختصاصی: ICAUCAE01_1694
- زبان مقاله: فارسی
- تعداد مشاهده: 642
نویسندگان
استادیار گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشگاه تربیت مدرس، تهران
دانشجوی کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشگاه علوم و تحقیقات، تهران
استادیار گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشگاه علوم و تحقیقات، تهران
چکیده
هدف از این تحقیق بررسی کارایی و تاثیر نوع داده های ورودی بر صحت نتایج حاصل از الگوریتم های طبقه بندی حداکثر شباهت، شبکه عصبی و ماشین بردار پشتیبان به منظور طبقه بندی دقیق کلاسهای شهری و حومه آن و انتخاب الگوریتم مناسب برای طبقه بندی تصاویر ماهواره ای لندست +ETM می باشد. بدین منظور داده های طیفی مربوط به باندهای تصویر لندست 7 اخذ شده در جولای سال 2000 میلادی مورد استفاده قرار گرفت. همچنین، اطلاعات بافت با استفاده از روش ماتریس وقوع همزمان سطوح خاکستری با ابعاد پنچره 3×3 از باندهای مختلف این تصویر استخراج گردید. در این تحقیق همچنین لایه ای جدید به نام شاخص فاصله از اراضی کشاورزی دارای پوشش گیاهی محاسبه گردید. با استفاده از این داده های ورودی، عملکرد سه روش طبقه بندی شامل حداکثر شباهت، شبکه عصبی، و ماشین بردار پشتیبان با هسته های خطی ، چند جمله ی درجه یک و دو، و تابع پایه شعاعی ، به منظور طبقه بندی چهار کلاس شهر، اراضی بایر، اراضی کشاورزی و آب مورد ارزیابی قرار گرفت نتایج این تحقیق نشان داد که استفاده از اطلاعات بافت تصویر در کنار ویژگی های طیفی تصاویر حاصل از ادغام، می تواند باعث بهبود دقت ماشین بردار پشتیبان شود. همچنین استفاده از اطلاعات بافت در کنار شاخص فاصله و ویژگی های طیفی ، به بهبود دقت روش ماشین بردار پشتیبان کمک نماید. روش ارایه شده در این تحقیق، می تواند در استخراج اراضی کشاورزی دارای پوشش گیاهی و بدون پوشش گیاهی و تفکیک بهتر زمین های بایر از اراضی کشاورزی بدون پوشش گیاهی موثر و کارآمد باشد.کلیدواژه ها
لندست 7، حداکثر شباهت، شبکه عصبی، ماشین بردار پشتیبانمقالات مرتبط جدید
- بررسی تاثیر پدافند غیرعامل در کاهش خطرات ناشی از حملات تروریستی به ساختمانهای شهرداری
- Borderline Agency in Contemporary Industrial Design: An Analysis of Trends and Patterns
- شهرهای حسی؛بررسی تاثیر فناوری های تعاملی بر تجربه ی ادراکی فضای شهری
- یک چارچوب کنترل تطبیقی سیگنال ترافیک مبتنی بر دوقلوی دیجیتال، یادگیری تقویتی و ارتباطات خودرو به همه چیز: یک رویکرد یکپارچه و هم افزا
- A Continuous Spatial Pattern Analysis for Enhancing Social Vitality of Elderly in Integrated Nursing Homes with Urban Parks
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.