مقایسه الگوریتم‌های طبقه بندی بر روی تصاویر ماهواره‌ای سنجش از دور

Authors

  • اشکان معصومی دانشگاه آزاد اسلامی واحد اهرم، عضو هیات علمی گروه مهندسی برق
  • نجمه چراغی شیرازی دانشگاه آزاد اسلامی واحد بوشهر، عضو هیات علمی گروه مهندسی برق
Abstract:

اگرچه تعداد بسیار زیادی الگوریتم طبقه­بندی برای تصاویر ارائه شده، اما به ندرت بر روی یک مورد یکسان بایکدیگر مقایسه شده­اند. در این مقاله، تصاویر ماهواره‌های سنجش از دور با استفاده از دو روش الگوریتم طبقه­بندی بدون نظارت و هشت الگوریتم طبقه­بندی با نظارت که شامل تعدادی از الگوریتم‌های رایج طی بیست سال اخیر است، آزموده شدند. تحلیل ما بر روی تصاویر ماهواره‌ای 12 طیفی متمرکز است. در مقایسه الگوریتم­ها تعداد نمونه آموزشی یکسان فرض شده­است. الگوریتم­ها از نظر پیچیدگی، میزان صحت و اعتبار بایکدیگر مقایسه شده­اند. نتایج نشان می­دهد که صحت طبقه­بندی، نسبت مستقیم با تعداد نمونه­های آموزشی دارد و همچنین کاربر می‌تواند بسته به اهمیت هریک از پارامترهای فوق الگوریتم کارامدتر را برگزید.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

مقایسه الگوریتم های طبقه بندی بر روی تصاویر ماهواره ای سنجش از دور

اگرچه تعداد بسیار زیادی الگوریتم طبقه­بندی برای تصاویر ارائه شده، اما به ندرت بر روی یک مورد یکسان بایکدیگر مقایسه شده­اند. در این مقاله، تصاویر ماهواره های سنجش از دور با استفاده از دو روش الگوریتم طبقه­بندی بدون نظارت و هشت الگوریتم طبقه­بندی با نظارت که شامل تعدادی از الگوریتم های رایج طی بیست سال اخیر است، آزموده شدند. تحلیل ما بر روی تصاویر ماهواره ای 12 طیفی متمرکز است. در مقایسه الگوریتم...

full text

کاربرد تصاویر ماهوارهای و فنآوری سنجش از دور برای تخمین عملکرد برنج

برنج اصلیترین محصول استانهای شمالی ایران بهشمار میرود. نظارت بر تولید سالانه و سطح زیر کشت برنج به عنوان محصولی راهبردی، نقش بسزایی دربرنامه ریزیهای کشاورزی دارد. امروزه میتوان با تکیه بر فنآوری سنجش از دور و شاخصهای پوشش گیاهی روشهای مدیریتی را بهبود بخشید. پژوهش حاضر باهدف برقراری رابطه رگرسیونی بین عملکرد ارقام محلی و پرمحصول برنج در سال 1391 ( 2012 م( و شاخصهای NDVI ، SAVI ، DVI و RVI مستخر...

full text

بررسی روش سنجش از دور آکوستیکی به منظور طبقه بندی رسوبات بستر دریا

طبقه بندی رسوبات بستر دریا یا رودخانه ها در بسیاری از کاربردها همچون پروژه های لایروبی، پروژه های عمرانی، زیست شناسی دریایی، زمین شناسی دریایی و پروژه های نظامی مورد استفاده قرار می گیرد. روش رایج به منظور شناسایی و طبقه بندی رسوبات بستر دریا یا رودخانه ها جمع آوری نمونه هایی از بستر بوسیله ی دستگاههای نمونه برداری می باشد که بعد از تجزیه و تحلیل های آزمایشگاهی نوع رسوبات مشخص می شود که روندی پ...

full text

بررسی پوشش گیاهی تالاب با استفاده از طبقه بندی ترکیبی تصاویر سنجش از دور

تالاب ها از مناظر مهمی هستند که می توانند در نگهداری و رهاسازی آرام آب سیلاب، بازسازی آب های زیرزمینی، فیلتر پاک کننده آب آلوده و بهبود کیفی آن، و فراهم کردن زیستگاه حیات وحش برای گونه های در معرض تهدید و خطر، استفاده شوند. پوشش گیاهی یک بخش مهم سیستم زیست محیطی تالاب را تشکیل داده است. پوشش گیاهی فراهم کننده پناهگاه و زیستگاه پرندگان آبزی و کنار آبزی است. در این تحقیق با توجه به تناسب تفکیک مک...

طبقه بندی تصاویر سنجش از دور با استفاده از ویژگی های بافت

نقشه های کاربری و پوشش های زمینی، در برنامه ریزی های کشوری از اهمیت خاصی برخوردار است. امروزه سنجش از دور موثرترین روش در تهیه ی اطلاعات پوشش های زمینی محسوب می شود. پس از تهیه ی تصاویر با طبقه بندی خودکار آن ها، نقشه های پوشش زمینی تولید می شوند. فرآیند طبقه بندی به دو مرحله استخراج ویژگی های تصویر و طبقه بندی خودکار این ویژگی ها به کلاس های پوشش زمینی تقسیم می شود. ویژگی های مزبور می توانند م...

ارائه روشی ترکیبی از شبکه های عصبی نظارت شده و نظارت نشده در طبقه بندی تصاویر سنجش از دور

در پژوهش حاضر، روشی ترکیبی از شکبههای عصبی نظارت شده و نظارت نشده برای طبقه بندی تصاویر سنجش از دور ارائه شده است. مبنای الگوریتم پیشنهادی، شبکه های خودسازمانده (som) و الگوریتم شبکه عصبی پس اتشار خطاست. الگوریتم طبقه بندی نظارت نشده som به تنهایی قادر به طبقه بندی و برچسب گذاری دقیق نتیجه نهایی نیست، لذا در نوشتار حاضر از الگوریتم پس انتشار خطا برای تعیین بر چسب نهایی کلاس ها استفاده شده است. ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 5  issue 17

pages  31- 38

publication date 2015-09-10

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023