بهینه سازی طبقه بندی کننده ی ماشین بردار پشتیبان با استفاده از آلگوریتم ژنتیک به منظور طبقه بندی تصاویر پلاریمتریک راداری

Authors

رضا عطارزاده

r. attarzadeh surveying and geomatics group - university of tehranگروه نقشه برداری دانشگاه تهران جلال امینی

j. amini surveying and geomatics group - university of tehranگروه نقشه برداری دانشگاه تهران

abstract

طبقه بندی تصاویر ماهواره ای یکی از متداول ترین روشهای استخراج اطلاعات از داده های سنجش از دوری می باشد. با ظهور سنجنده های مایکروویو امکان بهره برداری از اطلاعاتی متمایز از اطلاعات قابل استخراج از سنجنده های نوری فراهم آمده است. دلیل این امر امکان استفاده از ویژگی های متمایز طیف الکترو مغناطیس در محدوده ی مایکروویو است که توسط سنجنده های راداری قابل برداشت می باشد. در این بین تصاویر پلاریمتریک رادار با روزنه مصنوعی به دلیل نمایش رفتار عوارض مختلف در مواجه با قطبش های متفاوت میدان الکترومغناطیس، حاوی اطلاعات ارزشمندی به منظور طبقه بندی پدیده های مختلف می باشند. امروزه با استفاده از آلگوریتم های تجزیه هدف امکان استخراج طیف وسیعی از ویژگی ها از تصاویر پلاریمتریک رادار فراهم آمده است. در این مقاله سعی شده است تا در ابتدا نسبت به استخراج این ویژگی ها در سه گروه ویژگی های عمومی، ویژگی های استخراج شده از روش های تجزیه هدف و توصیف گر های sar اقدام شود. در ادامه از آلگوریتم ماشین بردار پشتیبان به منظور طبقه بندی تصویر پلاریمتریک استفاده شده است. در این مطالعه از آلگوریتم ژنتیک به منظور محاسبه پارامتر های کرنل و کاهش ابعاد فضای ویژگی و انتخاب ویژگی های بهینه استفاده شده است. در این تحقیق نشان داده می شود که تنظیم پارامتر های کرنل و انتخاب ویژگی های بهینه به صورت همزمان منجر به افزایش دقت طبقه بندی نسبت به حالتی است که فرآیند محاسبه پارامتر های کرنل و انتخاب ویژگی های بهینه به صورت مجزا صورت می پذیرد. همچنین به منظور مقایسه عملکرد طبقه بندی کننده ماشین بردار پشتیبان همراه با آلگوریتم ژنتیک از سه استراتژی مختلف و آلگوریتم طبقه بندی شیء مبنا نیز استفاده گردید. این نوع طبقه بندی امکان در نظر گرفتن اطلاعات بافت و شکل را در فرآیند طبقه بندی داده و به دلیل ایجاد اشیاء تصویری باعث کاهش تاثیر نویز اسپکل در تصویر می گردد. دقت این طبقه بندی کننده نسبت به حالتی که از روش جستجوی گرید برای محاسبه پارامترهای کرنل استفاده شده و همچنین از تمای ویژگی های پلاریمتریک استخراج شده استفاده شده است بالاتر می باشد ولی در مقایسه با استفاده مجزا یا همزمان آلگوریتم ژنتیک به منظور تنظیم پارامترها و انتخاب ویژگی از دقت پایین تری برخوردار می باشد. همانطور که در قسمت ارزیابی نتایج نشان داده می شود، رویکرد ارائه شده در این تحقیق منجر به اخذ نتایج رضایت بخشی گردیده است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

بهینه سازی طبقه بندی کننده ی ماشین بردار پشتیبان با استفاده از آلگوریتم ژنتیک به منظور طبقه بندی تصاویر پلاریمتریک راداری

طبقه بندی تصاویر ماهواره ای یکی از متداول ترین روشهای استخراج اطلاعات از داده های سنجش از دوری می باشد. با ظهور سنجنده های مایکروویو امکان بهره برداری از اطلاعاتی متمایز از اطلاعات قابل استخراج از سنجنده های نوری فراهم آمده است. دلیل این امر امکان استفاده از ویژگی های متمایز طیف الکترو مغناطیس در محدوده ی مایکروویو است که توسط سنجنده های راداری قابل برداشت می باشد. در این بین تصاویر پلاریمتریک ...

full text

طبقه 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 text

سیستم های طبقه بندی کننده ی چندگانه ی نوین درختی به منظور طبقه بندی زمین های کشاورزی از تصاویر نوری و راداری تمام قطبیده

تصاویر نوری و راداری با دریچه­ی مصنوعی تمام­قطبیده (PolSAR)، منابع ارزشمندی برای طبقه­بندی زمین­های کشاورزی است. ویژگی­های مستخرج از تصاویر نوری حاوی اطلاعاتی در مورد امضای بازتابی محصولات مختلف است. در مقابل، یک تصویر PolSAR فراهم­کننده­ی اطلاعاتی در مورد خصوصیات ساختاری و سازوکارهای پراکنش محصولات است. ترکیب این دو منبع قادر به ایجاد یک مجموعه­داده­ی مکمل با تعداد قابل توجهی از ویژگی­های زمان...

full text

طبقه بندی تصاویر ابرطیفی با استفاده از ماشین بردار پشتیبان

در این تحقیق به پیاده سازی و ارزیابی الگوریتم ماشین های بردار پشتیبان در تصاویر ابرطیفی پرداخته شده است. در طبقه بندی تصاویر ابرطیفی به علت ابعاد زیاد، کم بودن نمونه های آموزشی، تغییرات مکانی امضای طیفی، وجود نویز دارای چالش هایی هستیم. با توجه به مشکلات مطرح شده در طبقه بندی تصاویر ابرطیفی نیاز به روش هایی می باشد که به راحتی با ابعاد بالای داده های ورودی کار کرده و همچنین با نمونه های آموزشی ...

15 صفحه اول

طبقه بندی متقاضیان تسهیلات اعتباری بانکها با استفاده از تکنیک ماشین بردار پشتیبان

در صنعت بانکداری یکی از موضوعاتی که همواره بایستی مدنظر سیاستگذاران اعتباری قرار دا شته باشد، مبحث مدیریتریسک است. در بین ریسک های مختلفی که بان کها با آن مواجهند, ریسک اعتباری از با اهمیت ترین آن ها است که اززیان های ناشی از ناتوانی یا عدم تمایل مشتری به ایفای تعهدات خویش در برابر بانک حاصل م یگردد.جهت مدیریت و کنترل ریسک مذکور , سیستم های طبقه بندی اعتباری مشتریان ضرورتی انکار ناپذیر است . چن...

full text

طبقه بندی پلاریمتری-مکانی تصاویر sar با استفاده از تلفیق طبقه بندی کننده های ماشین بردار پشتیبان

طبقه بندی پوشش زمین یکی از کاربرد های مهم استفاده از داده های سنجش از دوری است. از میان تصاویر و داده های 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 تحقیق 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...

My Resources

Save resource for easier access later


Journal title:
علوم و فنون نقشه برداری

جلد ۵، شماره ۱، صفحات ۱۲۷-۱۳۸

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023