طبقه بندی پوشش های جنگلی با استفاده از داده های پلاریمتری فشرده
Authors
abstract
اخیرا رشد قابل توجهی در سیستمهای dual-polarimetry (dp) بهوجود آمده است که compact polarimetry (cp) نامیده میشود. cp یک سیستم تصویربرداریdp است که چندین مزیت مهم را نسبت به دیگر سیستمهای چندپلاریزاسیون sar دارد. از جمله آنها میتوان به قابلیت کاهش پیچیدگی سیستم، هزینه، وزن و نرخ دادههای سیستم sar اشاره کرد. یکی از زمینههای تحقیقاتی مورد توجه سنجش از دور راداری مطالعه جنگلها است، چراکه نقش مهمی را در کنترل آب و هوا بازی میکنند. در این تحقیق پتانسیل دادههای cp در طبقهبندی مناطق جنگلی با استفاده از طبقهبندی کننده ویشارت مختلط و به دو صورت بررسی و ارزیابی شده است. یکبار با استفاده از ماتریسهای کواریانس 2 2 دو مد pi/4و circular transmit-linear receive(ctlr)، و بار دیگر با بهکارگیری ماتریسهای کواریانس 3 3 بازسازی شده از این دو مد cp. سپس نتایج حاصل با نتیجه بهدست آمده از مد full polarimetry (fp) مقایسه و ارزیابی شدند. نتایج نشان دادند که در طبقهبندی پوششهای جنگلی، مد pi/4 دقت کلی طبقهبندی بهتری را نسبت به مد ctlr فراهم میکند.
similar resources
تعیین مرزهای بهینه برای نواحی طبقه بندی آلفا انتروپی داده پلاریمتری فشرده دو دایروی با استفاده از مفهوم حداکثر مشابهت
یکی از مهمترین اهداف پژوهشگران در حوزه پلاریمتری فشرده، پیشنهاد روشهایی جهت نزدیکتر کردن اطلاعات و نتایج حاصل از داده های پلاریمتری حالت فشرده به نتایج حاصل از داده های پلاریمتری حالت کامل می باشد. یکی از روش های پرکاربرد جهت استخراج مکانیسم های پراکندگی داده های پلاریمتری، روش طبقه بندی بر اساس فضای انتروپی-آلفا می باشد. فضای طبقه بندی انتروپی-آلفای داده حالت فشرده دو دایروی که در ادبیات موض...
full textطبقه بندی پوشش های جنگلی با استفاده از داده های compact پلاریمتری
اخیرا مد جدیدی در سیستم های تصویربرداری dual polarimetry ارائه شده است که compact polarimetry (cp) نامیده می شود. این مد چندین مزیت مهم را نسبت به مد full polarimetry دارا می باشد که از جمله آنها می توان به قابلیت کاهش در پیچیدگی، هزینه و نرخ داده های sar اشاره کرد. همچنین این مد پهنای نوار وسیع تری را نسبت به مد fp دارد. بنابراین این مد می تواند برای کاربردهای بزرگ مقیاس مانند کنترل و پایش منا...
طبقهبندی پوششهای جنگلی با استفاده از دادههای پلاریمتری فشرده
اخیرا رشد قابل توجهی در سیستمهای Dual-Polarimetry (DP) بهوجود آمده است که Compact Polarimetry (CP) نامیده میشود. CP یک سیستم تصویربرداریDP است که چندین مزیت مهم را نسبت به دیگر سیستمهای چندپلاریزاسیون SAR دارد. از جمله آنها میتوان به قابلیت کاهش پیچیدگی سیستم، هزینه، وزن و نرخ دادههای سیستم SAR اشاره کرد. یکی از زمینههای تحقیقاتی مورد توجه سنجش از دور راداری مطالعه جنگلها است، چراکه ن...
full textطبقه بندی پوشش زمین با استفاده از داده های پلاریمتری sar
داده¬های پلاریمتری به دلیل وجود اطلاعاتی به مراتب بیشتر نسبت به داده¬های معمولی sar نقش مهمی در تعیین پوشش زمین و همچنین مدیریت محیط زیست ایفا کرده¬اند؛ با توجه به این مطلب در این تحقیق، هدف طبقه¬بندی پوشش زمین با استفاده از داده¬های پلاریمتری (polsar) در نظر گرفته شد. برای رسیدن به این هدف الگوریتم¬های بسیاری تحت عنوان الگوریتم¬های تجزیه جهت استخراج اطلاعات از این تصاویر ارائه شده است و خروجی ...
طبقه بندی تراکم توده های جنگلی با استفاده از تصویر ماهوارۀ IRS و الگوریتم ناپارامتریک kNN
برآوردهای کمّی و دقیق از مشخصههای تودههای جنگلی لازمه مدیریت صحیح آنها است. تصاویر سنجش از دور با توجه به اطلاعات مکانی دقیق و وسیع، همواره ابزاری مقرون به صرفه در مدیریت جنگل است و یکی از متداولترین کاربردهای تصاویر در علم جنگلداری، طبقهبندی مشخصههای تودههای جنگلی و تهیۀ نقشههای موضوعی آنها است. هدف این پژوهش بهینهسازی طبقهبندی تراکم (تعداد درختان در هکتار) در تودههای جنگلی با استفاده...
full textطبقه بندی عارضه مبنای تصاویر پلاریمتری سار با استفاده از طبقه بندی کننده های چندگانه ماشین بردار پشتیبان
طبقه بندی پوشش زمین یکی از کاربرد های مهم استفاده از داده های سنجش از دوری است. از میان تصاویر و دادههای مورد استفاده در این مورد، داده های پلاریمتری راداری به خاطر امکان استخراج ویژگی های زیاد و متنوع میتوانند برای طبقه بندی گزینه مناسبی باشند. در این مقاله یک روش عارضه مبنا برای طبقه بندی مناطق شهری با استفاده از داده های پلاریمتری راداری به صورت تلفیق نتایج پیکسل مبنای طبقه بندی svm و قطعات...
full textMy Resources
Save resource for easier access later
Journal title:
علوم و فنون نقشه برداریجلد ۵، شماره ۳، صفحات ۱-۱۴
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023