ارائه یک روش انتخاب ویژگی براساس الگوریتم ژنتیک و درخت تصمیم به منظور طبقه بندی تصاویر تمام پلاریمتریک راداری
Authors
abstract
یک تصویر تمام پلاریمتریک راداری (polsar) قادر است ویژگیهای پلاریمتریک مهمی برای طبقهبندی پوشش زمینی فراهم کند. این ویژگیها می توانند پارامترهای مستخرج از ماتریس پراکنش، کواریانس و همدوسی یا پارامترهای مستخرج از روشهای تجزیه هدف یا هر دو دسته باشد. در این مقاله، ویژگیهای پلاریمتریک فراوانی از یک تصویر polsar استخراج میشود. سپس با استفاده از الگوریتم ژنتیک (ga) و درخت تصمیم (dt)، یک روش انتخاب ویژگی مبتنی بر طبقهبندی ارائه میشود. پس از آن، طبقه بندی کننده dt با ویژگیهای انتخابی از روش پیشنهادی با طبقهبندیکننده dt با تمام ویژگیها مقایسه میشود. علاوه بر این، روش پیشنهادی با روش انتخاب ویژگی ga و ماشین بردار پشتیبان (svm) نیز مقایسه میشود. نتایج نشان داد که دقت روش پیشنهادی (dt با ویژگیهای منتخب از ga-dt) حدوداً 3 درصد بیشتر از دقت روش dt با تمام ویژگیها و تقریباً نزدیک به دقت روش dt با ویژگیهای منتخب از ga-svm شد. این درحالیاست، که سرعت عملکرد روش پیشنهادی تقریباً 5 برابر بیشتر از سرعت عملکرد روش dt با ویژگیهای منتخب از ga-svm شد. بهعنوان یک نتیجهی دیگر، ویژگیهای منتخب از روش پیشنهادی موفقیت بیشتری در تفکیک کلاسهای شهری و پوشش گیاهی نسبت به ویژگیهای دو روش دیگر داشتند.
similar resources
ارائه یک روش انتخاب ویژگی براساس الگوریتم ژنتیک و درخت تصمیم بهمنظور طبقهبندی تصاویر تمام پلاریمتریک راداری
یک تصویر تمام پلاریمتریک راداری (POLSAR) قادر است ویژگیهای پلاریمتریک مهمی برای طبقهبندی پوشش زمینی فراهم کند. این ویژگیها میتوانند پارامترهای مستخرج از ماتریس پراکنش، کواریانس و همدوسی یا پارامترهای مستخرج از روشهای تجزیه هدف یا هر دو دسته باشد. در این مقاله، ویژگیهای پلاریمتریک فراوانی از یک تصویر POLSAR استخراج میشود. سپس با استفاده از الگوریتم ژنتیک (GA) و درخت تصمیم (DT)، یک روش انت...
full textتاثیر انتخاب ویژگی به کمک الگوریتم ژنتیک بر طبقه بندی طیفی مکانی تصاویر ابرطیفی
فنآوری سنجش از دور ابرطیفی دارای کاربردهای فراوان در طبقهبندی پوششهای زمین و بررسی تغییرات آنها میباشد. با پیشرفتهای اخیر و ایجاد تصاویری با قدرت تفکیک مکانی بالا، لزوم استفاده توام از اطلاعات طیفی و مکانی را در طبقه بندی تصاویر ابرطیفی ایجاب میکند. در این تحقیق سعی میگردد تاثیر کاهش ابعاد به کمک الگوریتم ژنتیک را در فرآیند طبقه بندی طیفی-مکانی تصاویر ابرطیفی بررسی شود. در میان الگوریت...
full textبهینه 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 textاستفاده از سیستم های طبقه بندی چندگانه به منظور بهبود دقت طبقه بندی تصاویر تمام پلاریمتریک راداری با فضای ویژگی ابعاد بالا
یک تصویر تمام پلاریمتریک راداری (polsar) قابلیت فراهم کردن یک داده با فضای ویژگی ابعاد بالا را دارد. این حجم بالای اطلاعاتی می تواند دقت کلی طبقه بندی پوشش زمینی را افزایش دهد. اما افزایش ابعاد داده در صورت ناکافی بودن تعداد نمونههای آموزشی ممکن است باعث پیچیدهتر شدن طبقهبندی و رخ دادن پدیده نفرین ابعاد شود. یکی از راهکارهای حل این مشکل، استفاده از سیستمهای طبقهبندی چندگانه (mcs) است که تو...
full textبهینه 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 textسیستم 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 textMy Resources
Save resource for easier access later
Journal title:
مهندسی فناوری اطلاعات مکانیجلد ۳، شماره ۲، صفحات ۷۵-۸۸
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023