طبقه بندی پوشش زمین با استفاده از داده های پلاریمتری sar

thesis
abstract

داده¬های پلاریمتری به دلیل وجود اطلاعاتی به مراتب بیشتر نسبت به داده¬های معمولی sar نقش مهمی در تعیین پوشش زمین و همچنین مدیریت محیط زیست ایفا کرده¬اند؛ با توجه به این مطلب در این تحقیق، هدف طبقه¬بندی پوشش زمین با استفاده از داده¬های پلاریمتری (polsar) در نظر گرفته شد. برای رسیدن به این هدف الگوریتم¬های بسیاری تحت عنوان الگوریتم¬های تجزیه جهت استخراج اطلاعات از این تصاویر ارائه شده است و خروجی این الگوریتم¬ها به عنوان داده¬های ورودی الگوریتم¬های طبقه¬بندی مورد استفاده قرار گرفته است. مشکل عمده الگوریتم¬های طبقه¬بندی تصاویر پلاریمتری استفاده از تعداد ویژگی¬های محدود به یکی از الگوریتم¬های تجزیه می¬باشد؛ لذا در این پژوهش سعی شده است که از تمام اطلاعات استخراج شده از الگوریتم¬های تجزیه استفاده شود. برای این منظور ابتدا با استفاده از الگوریتم¬های تجزیه همدوس و ناهمدوس ویژگی¬هایی برای فرآیند طبقه¬بندی استخراج شد، سپس ویژگی¬های بهینه با استفاده از الگوریتم ژنتیک بدست آمد. در ادامه این ویژگی¬های بهینه به عنوان ورودی الگوریتم پس انتشار خطا در نظر گرفته شد. علاوه براین الگوریتم¬های نظارت شده مانند الگوریتم بیشترین شباهت، الگوریتم کمترین فاصله و الگوریتم پس انتشار خطا و الگوریتم نظارت نشده مانند الگوریتم¬های k-means, fcm و som جهت طبقه بندی تصاویر پلاریمتری sar بکار گرفته شدند. در این الگوریتمها ویژگی-های مختلفی برای طبقه بندی در نظر گرفته شدند. از آنجایی که الگوریتم¬های نظارت نشده قادر به تعیین برچسب پیکسل¬ها نیستند از الگوریتم پس انتشار خطا برای تعیین برچسب پیکسل¬ها استفاده شد. برای ارزیابی و تست الگوریتم¬های طبقه¬بندی از تصویر پلاریمتری شهر سانفرانسیسکو مربوط به سنجنده هوابرد airsar و تصویر پلاریمتری شهر مونترال مربوط به سنجنده هوابرد convair استفاده شد. نتایج حاصل نشان می¬دهند که ترکیب الگوریتم ژنتیک و الگوریتم پس انتشار خطا دارای دقتی به مراتب بالاتر از دیگر الگوریتم¬های طبقه¬بندی به ازای ویژگی¬های مختلف می¬باشد، همچنین از میان الگوریتم¬های نظارت نشده الگوریتم som دارای دقت بالاتری است.

similar resources

تلفیق داده های پلاریمتری sar و ابرطیفی به منظور طبقه بندی پوشش زمین

طبقه¬بندی و تهیه نقشه کاربری از مناطق شهری یکی از کاربردهای گسترده در سنجش ازدور جهت برنامه ریزی و مدیریت این مناطق است. نیاز به افزایش دقت طبقه¬بندی یکی از موضوعات مهم در سنجش ازدور است. تلفیق داده¬های سنجش ازدوری می¬تواند به عنوان یک روش پرکاربرد برای افزایش دقت طبقه¬بندی استفاده شود. تلفیق داده¬ها از منابع مختلف یکی از تکنیک¬های قدرتمند است که تصاویر و داده¬های جمع آوری شده از سنسورهای مختلف...

طبقه بندی پوشش های جنگلی با استفاده از داده های پلاریمتری فشرده

اخیرا رشد قابل توجهی در سیستم­های dual-polarimetry (dp) به­وجود آمده است که compact polarimetry (cp) نامیده می­شود. cp یک سیستم تصویربرداریdp  است که چندین مزیت مهم را نسبت به دیگر سیستم­های چندپلاریزاسیون sar دارد. از جمله آن­ها می­توان به قابلیت کاهش پیچیدگی سیستم، هزینه، وزن و نرخ داده­های سیستم sar اشاره کرد. یکی از زمینه­های تحقیقاتی مورد توجه سنجش از دور راداری مطالعه جنگل­ها است، چراکه ن...

full text

طبقه بندی تصاویر پلاریمتری sar با استفاده از میدان های تصادفی مارکوف

جمع آوری داده توسط سنجش از دور یک مرحله اساسی در مدیریت پایدار زمین می باشد. یکی از پردازش های مهم و پرکاربرد بر روی تصاویر سنجش از دور، طبقه بندی است. از دیدگاه تصمیم گیری، نقشه های حاصل از طبقه بندی می توانند مفید واقع شوند، زیرا، این الگوریتم ها اطلاعات پیچیده طیفی- مکانی را در تعداد محدودی کلاس مورد نیاز، خلاصه می کنند. داده های پلاریمتریک sar به دلیل دارا بودن اطلاعات غنی از محیط، در چند ...

15 صفحه اول

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 پوشش های جنگلی با استفاده از داده های compact پلاریمتری

اخیرا مد جدیدی در سیستم های تصویربرداری dual polarimetry ارائه شده است که compact polarimetry (cp) نامیده می شود. این مد چندین مزیت مهم را نسبت به مد full polarimetry دارا می باشد که از جمله آنها می توان به قابلیت کاهش در پیچیدگی، هزینه و نرخ داده های sar اشاره کرد. همچنین این مد پهنای نوار وسیع تری را نسبت به مد fp دارد. بنابراین این مد می تواند برای کاربردهای بزرگ مقیاس مانند کنترل و پایش منا...

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

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسی - دانشکده نقشه برداری

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023