ارائه یک روش انتخاب ویژگی براساس الگوریتم ژنتیک و درخت تصمیم به منظور طبقه بندی تصاویر تمام پلاریمتریک راداری

Authors

ایمان خسروی

iman khosravi میرمجید موسوی

mir majid mousavi جلال امینی

jalal amini

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.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

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 text

تاثیر 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 text

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

استفاده 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 text

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

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

My Resources

Save resource for easier access later


Journal title:
مهندسی فناوری اطلاعات مکانی

جلد ۳، شماره ۲، صفحات ۷۵-۸۸

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023