مقایسه ی روش های شبکه عصبی مصنوعی، ماشین بردار پشتیبان و درخت تصمیم گیری در شناسایی ابر در تصاویر ماهواره ای لندست ۸

مقاله­ی پیش­رو به مقایسه­ی سه روش ماشین بردار پشتیان،شبکه­ی عصبی مصنوعی و درخت تصمیم گیری با هدف شناسایی ابر می‍پردازد. وجود ابر در تصاویر ماهواره­ای اپتیکی، پیش­پردازش­های رادیومتریکی در کاربرد­های سنجش از دور را ایجاب می­کند. معمولا شناسایی ابر در تصاویر ماهواره­ای با استفاده از روش­های طبقه­بندی نظارت شده امکان پذیر می­باشد. در این مقاله تصاویر ماهواره­ای لندست 8 از دو منطقه­ی واقع در رشته­کوه­های البرز، با استفاده از سه روش شبکه­ی عصبی مصنوعی، ماشین بردار پشتیبان (svm) و درخت تصمیم­گیری طبقه­بندی شده و کارایی این سه روش از لحاظ دقت کلی، دقت تولید کننده­ی ابر و برف و میزان ضریب کاپا مقایسه گردیده است. در منطقه­ی اول، دو روش شبکه­ی عصبی و svm، دقت کلی و دقت تولید کننده­ی ابر بالاتری نسبت به روش درخت تصمیم­ نشان داده و در منطقه­ی دوم روش درخت تصمیم قابلیت بیشتری در شناسایی ابر داشته­است. این موضوع نشان دهنده­ی آن است که در منطقه­ی اول، حد ­آستانه­های به کار رفته در درخت تصمیم، به خوبی ابر را مورد شناسایی قرار نمی­دهند. در حالی که در  منطقه­ی دوم شاخص­های ذکر شده در این روش، از میزان بالاتری برخوردار­اند. نتایج این تحقیق نشان می­دهد که روش درخت تصمیم می­تواند به دقتی قابل مقایسه و یا بالاتر از روش­های داده کاوی (مثل شبکه­ی عصبی وsvm ) دست پیدا کند و با این وجود حد ­آستانه­های به کار رفته در این روش­ ممکن است برای همه­ی مناطق مناسب نباشند. در مقابل، روش­های داده کاوی به خصوص روش svm قابلیت خوبی برای شناسایی انواع ابر در حالت طبقه­بندی دو کلاسه از خود نشان دادند؛ اما افزایش تعداد کلاس­ها می­تواند دقت شناسایی ابر را در این روش­ها کاهش دهد.