تعیین مقیاس بهینه قطعه بندی در طبقه بندی شیء گرای ابر، با استفاده از تصاویرnoaa/avhrr

Authors

حمید آذری

دانشگاه شهید بهشتی علی اکبر متکان

دانشگاه شهید بهشتی علیرضا شکیبا

دانشگاه شهید بهشتی

abstract

شناخت نوع ابر و طبقه بندی ابرها از ابتدایی ترین اصول در اکثر روش های پیش بینی بارش است که در بیشتر مواقع به صورت بصری و با مقایسه تصاویر باندهای مادون قرمز و باندهای مرئی انجام می شود. دراین گونه مطالعات تنها از دمای روشنایی ابر و البدوی آن برای طبقه بندی ابر استفاده می شود، در صورتی که بافت و شکل ابرها نیز از عوامل تاثیر گذار در تشخیص انواع آن هاست. روش طبقه بندی شیءگرا به علت استفاده از پارامترهای بافت و شکل و نیز دمای روشنایی و آلبدوی ابر، روش مناسبی برای طبقه بندی ابرها به شمار می آید. لیکن این روش طبقه بندی، بسیار وابسته به دقت قطعه بندی نیز هست. با توجه به اینکه یکی از فاکتورهای موثر بر دقت طبقه بندی همانا مقیاس قطعه بندی است، لذا تعیین مقیاس مناسب قطعه بندی در افزایش دقت طبقه بندی شیءگرا اهمیت فراوان دارد. هدف از ارائه این مقاله نیز تعیین مقیاس مناسب قطعه بندی در طبقه بندی شیءگرا ابر است. در این تحقیق دو تصویر noaa/avhrr مورد استفاده قرار گرفتند. به منظور انجام تحقیق، ابتدا اطلاعات اضافی شامل دمای روشنایی ابر در باند 3 و 4 و ارتفاع ابر از داده های سنجش از دور به منظور استفاده در قطعه بندی تصویر استخراج گردید و از روش دو باندی (مادون قرمز و مرئی) برای انتخاب نواحی آموزشی استفاده شد. سپس تاثیرات منفی خطاهای قطعه بندی بر دفت طبقه بندی شیءگرای ابر از طریق بسط روش محاسباتی تعیین گردید و دقت طبقه بندی کمی سازی شد. در این مرحله ارزیابی به وسیله کمی سازی تایرات کلی خطاها، با توجه به معیارها و واحدها در 25 مقیاس قطعه بندی صورت پذیرفت تا مقیاس مناسب برای قطعه بندی ابر به دست آید. نتایج نشان داد که نخست، دقت قطعه بندی ابر با افزایش مقیاس قطعه بندی کاهش می یابد؛ و دوم، تاثیرات منفی خطاهای قطعه بندی کمتر از حد مناسب در قطعه بندی ابر در مقیاس های بزرگ، به صورت کاملا محسوس بزرگ می شوند. همچنین دقت های قطعه بندی بالا لزوماً منجر به دقت های بالای قطعه بندی شیءگرا در طبقه بندی ابر نمی شوند، اما دقت های پایین قطعه بندی منجر به دقت های پایین طبقه بندی می شوند. با توجه به این مورد، بهترین مقیاس برای قطعه بندی ابر، مقیاس 50 تعیین گردید که منجر به دقت کلی 5/90 درصد در طبقه بندی شیءگرای ابر شد.

Upgrade to premium to download articles

Already have an account?login

similar resources

قطعه بندی تصاویر با استفاده از روش خوشه بندی طیفی مبتنی بر سوپرپیکسل

علم بینایی ماشین یکی از علومی است که در راستای افزایش کارایی حس بینایی در سیستم‌های هوشمند به کار گرفته می‌شود. اولین گام در بسیاری از کاربرد‌های بینایی ماشین، قطعه‌بندی تصویر می‌باشد. در این پژوهش، روش خوشهبندی طیفی با سوپرپیکسل برای قطعهبندی تصویر ارائه شده است. با اعمال الگوریتم KFCM و با استفاده از توزیع عضویت در ماتریس بخشبندی، یک میزان تشابه فازی هستهای جدید پیشنهاد دادهایم که سبب کا...

full text

قطعه بندی تصاویر با استفاده از روش خوشه بندی طیفی مبتنی بر سوپرپیکسل

full text

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 text

طبقه بندی موجودی با استفاده از بهینه سازی جمعی راه حل های چندهدفه

طبق هبندى موجودى یکى از تکنی کهاى مهم در حوز هى مدیریت موجودى است. ب هدلیل تنوع وحجم بالاى اقلام موجودى در یک شرکت، مدیران ناگزیر هستند آنها را طبق هبندى کنند. بنابراین،بخشى از تلاش پژوهشگران ب همنظور یافتن رو شهایى بوده است که با تعیین تعداد طبقات موجودى،توان کنترل مدیریت را افزایش دهند. در این مقاله، از الگوریتم بهین هسازى جمعى را هح لهاى چن دهدفهدر سال 2008 ارائه شده است. 4 « سو ویى » و « چى...

full text

طبقه بندی سنگ ‏های ساختمانی از دیدگاه قابلیت برش با استفاده از روش خوشه بندی فازی

پیش بینی قابلیت برش سنگ به عنوان یکی از فاکتورهای موثر در تخمین هزینه‏ها و پیش بینی میزان تولید یک کارخانه فرآوری سنگ از اهمیت بالایی برخوردار می‏باشد. بنابراین شناخت کامل سنگ‏های ساختمانی و ارزیابی توان اجرایی دستگاه‏های برش در کارخانه‏های فرآوری، طراحان و برنامه‏ریزان تولید را به سمت بهبود سرعت فرآوری و افزایش تولید سوق می‏دهد. از اینرو، به کارگیری روش‏های نو و کاربردی برای دست‏یابی به این اه...

full text

DEA تحلیل حساسیت طبقه بندی بازده به مقیاس در

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}

Journal title:

سنجش از دور و gis ایران

جلد ۲، شماره ۶، صفحات ۰-۰

Keywords

مقیاس قطعه بندی طبقه بندی شیءگرا روش دوباندی نوع ابر.

Hosted on Doprax cloud platform doprax.com