ارایه روشی جهت طبقه بندی تصاویر فراطیفی از طریق ترکیب روش مولفه های مستقل مقید و ماشین های بردار پشتیبان

thesis
abstract

ر این پژوهش از یک روش ترکیبی جهت طبقه بندی نظارت شده تصاویر سنجش از دور فراطیفی استفاده شده است. در طبقه بندی نظارت شده، به اطلاعات اولیه از صحنه تصویر برداری همچون تعداد و نوع کلاس های حاضر به عنوان داده های آموزشی برای آموزش طبقه بندی کننده نیاز است. در روش پیشنهادی، با ترکیب فرآیند جداسازی طیفی و طبقه بندی نظارت شده، نیاز به داشتن اطلاعات اولیه مرتفع می گردد. در این پژوهش از روش تحلیل مولفه های مستقل مقید جهت جداسازی طیفی استفاده شده است. پس از استخراج مشخصه طیفی و فراوانی عناصر خالص موجود در صحنه، خالص ترین پیکسل ها از نقشه فراوانی هر عنصر خالص به عنوان داده آموزشی برگزیده می شوند. در مرحله بعد به منظور تهیه یک نقشه از پراکندگی فضایی این پدیده ها از روش طبقه بندی نظارت شده و الگوریتم طبقه بندی کننده ماشین بردار پشتیبان استفاده شده است. برای ارزیابی کارایی و دقت روش پیشنهادی در این پژوهش، الگوریتم توسعه یافته بر روی پایگاه داده سالیناس مربوط به سنجنده آویریس مورد بررسی قرار گرفته است. دقت کلی و ضریب کاپا طبقه بندی روش پیشنهادی به ترتیب % 05/98 و % 66/97 است که در مقایسه با روش های مرسوم طبقه بندی نظارت شده بهتر هستند. روش پیشنهادی دارای دو مزیت است: نخست نیاز به داده های آموزشی از طریق فرآیند جداسازی طیفی به صورت خودکار برطرف گردیده است، دوم آنکه گزینش بهترین داده ها جهت آموزش طبقه بندی کننده با داشتن ماتریس فراوانی عناصر خالص نتایج بهتری به دست می دهد

similar resources

تخمین بعد ذاتی و کاهش ابعاد داده های فراطیفی به منظور طبقه بندی با استفاده از روش های درخت تصمیم، ماشین بردار پشتیبان و شبکه عصبی

طبقه­ بندی تصاویر فراطیفی، به دلیل کاربردهای برجسته این تصاویر در حوزه­ های مختلف مانند نظامی، مدیریت و برنامه­ ریزی شهری، مدیریت منابع و کشف معادن، یکی‌ از مسائل بسیار مهم در پردازش تصاویر فرا­طیفی به شمار می‌‌آید. تصاویر فراطیفی به دلیل دارا بودن توان تفکیک طیفی بالا، اطلاعات قابل توجهی در ارتباط با ترکیب شی‌ با صحنه تصویر­برداری در اختیار کاربر قرار می­دهند. بزرگی ابعاد این تصاویر نه تنها مح...

full text

طبقه بندی خردپیکسلی تصاویر فراطیفی با استفاده از تحلیل مولفه های مستقل

شناسایی و تشخیص عوارض شهری، یکی از کاربردهای پیچیده در طبقه بندی تصاویر سنجش از دوری است. با این وجود، به نظر می رسد تصاویر فراطیفی به دلیل توانمندی ویژه در ارائه اطلاعات پیرامون مواد و اشیاء سطح زمین، توان بهتری داشته باشند. روش های پردازش تصاویر کلاسیک معمولا برای داده های فراطیفی، به نتایج قابل قبولی منجر نمی شوند. از این رو، روش-های نوینی برای استخراج اطلاعات از این نوع داده ها، مطرح شده ان...

full text

بهبود روش طبقه بندی ماشین بردار پشتیبان در سیستم های اطلاعات مکانی فراگستر جهت پایش بیماران آسمی

بیماری آسم یکی از مشکلات عمده در سلامت عمومی انسانها است که زندگی میلیونها نفر در سراسر جهان را تحت تاثیر قرار داده است. نظر به اینکه این بیماری تحت تاثیر عوامل محیطی متفاوتی می­باشد و روشی برای درمان قطعی مبتلایان وجود ندارد؛ شناسایی مناطق خطر تشدید آسم فرد بیمار و اعلام هشدارهای لازم در زمان مناسب گام موثری در مدیریت و پایش این بیماری به حساب می­آید. یکی از جدیدترین و کاربرپسندترین بسترهای مح...

full text

طبقه بندی عارضه مبنای تصاویر پلاریمتری سار با استفاده از طبقه بندی کننده های چندگانه ماشین بردار پشتیبان

طبقه بندی پوشش زمین یکی از کاربرد های مهم استفاده از داده های سنجش از دوری است. از میان تصاویر و داده­های 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 مقاله 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...

full text

طبقه بندی تصاویر ابرطیفی با استفاده از ماشین بردار پشتیبان

در این تحقیق به پیاده سازی و ارزیابی الگوریتم ماشین های بردار پشتیبان در تصاویر ابرطیفی پرداخته شده است. در طبقه بندی تصاویر ابرطیفی به علت ابعاد زیاد، کم بودن نمونه های آموزشی، تغییرات مکانی امضای طیفی، وجود نویز دارای چالش هایی هستیم. با توجه به مشکلات مطرح شده در طبقه بندی تصاویر ابرطیفی نیاز به روش هایی می باشد که به راحتی با ابعاد بالای داده های ورودی کار کرده و همچنین با نمونه های آموزشی ...

15 صفحه اول

ارائه یک روش جدید برای طبقه بندی تصاویر پلاریمتری رادار با روزنه مجازی براساس تلفیق ماشین بردار پشتیبان و میدان های تصادفی مارکوف

در این مقاله یک روش نوین طبقه­بندی متنی به منظور طبقه­بندی تصاویر پلاریمتری رادار با روزنه مجازی ارائه شده است. روش پیشنهادی با تلفیق ماشین بردار پشتیبان (SVM) و طبقه­بندی­کننده ویشارت عمل می­کند. بدین ترتیب این روش از مزایای هر دو نوع روش­های پارامتریک و غیر پارامتریک بهره می­برد. در این روش، ابتدا تابع انرژی اولیه میدان­های تصادفی مارکوف (MRF) در یک همسایگی از هر پیکسل محاسبه می­گردد. سپس با ...

full text

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 شهید چمران اهواز - دانشکده مهندسی

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023