تعیین پارامترهای بهینه در تصاویر پلاریمتری sar به منظور بهبود طبقه بندی پوشش زمینی

thesis
abstract

طبقه بندی پوشش زمین بویژه در مناطق شهری یکی از مهم ترین کاربردهای تصاویر پلاریمتری sar (polsar) محسوب می شود. به منظور استفاده از پتانسیل بالای اطلاعاتی این تصاویر ویژگی های متعددی را می توان از آن ها استخراج کرد. اگرچه هر یک از این ویژگی ها می تواند اطلاعات مناسبی را درباره عوارض مختلف فراهم کند ولی هیچ یک به تنهایی برای توصیف کامل یک عارضه کافی نمی باشد و از طرفی امکان استفاده از تمامی ویژگی ها وجود ندارد. بنابراین انتخاب ویژگی نقش مهمی در طبقه بندی تصاویر پلاریمتری ایفا می کند. هدف از این تحقیق، تعیین زیرمجموعه ویژگی بهینه از داده پلاریمتری به منظور بهبود طبقه بندی پوشش زمینی می باشد. در این راستا سه گام اساسی در طبقه بندی اتخاذ شده است: 1) استخراج ویژگی در قالب سه گروه ویژگی های داده اصلی، ویژگی های تجزیه هدف، و تفکیک کننده های polsar؛ 2) انتخاب ویژگی در چارچوب بهینه سازی تک هدفه و چند هدفه؛ و 3) طبقه بندی با استفاده از ویژگی های انتخابی بهینه. در انتخاب ویژگی تک هدفه، روش های تلفیقی از الگوریتم ژنتیک (ga) و شبکه های عصبی پرسپترون چند لایه (mlp) و همچنین ماشین های بردار پشتیبان (svms) به منظور بیشینه کردن دقت طبقه بندی بکار گرفته شد. در انتخاب ویژگی چند هدفه به منظور کمینه سازی خطای طبقه بندی و همزمان تعداد ویژگی های انتخابی polsar، الگوریتم ژنتیک با مرتب سازی نامغلوب 2 (nsga-ii) در مرحله جستجو و دو طبقه بندی کننده ماشین بردار پشتیبان و سیستم استنتاج عصبی- فازی تطبیقی (anfis) در مرحله ارزیابی مورد استفاده قرار گرفت. برای بررسی عملکرد الگوریتم ها از تصویر پلاریمتری شهر سانفرانسیسکو مربوط به سنجنده فضابرد رادارست 2 استفاده شد. نتایج حاصل کارایی برتر ا لگوریتم های چندهدفه را نسبت به سایر روش های مورد استفاده نشان می دهد. برای الگوریتم چندهدفه با طبقه بندی کننده svm تعداد ویژگی 16 و دقت کلی 87/95 و برای الگوریتم چندهدفه با طبقه بندی کننده anfis تعداد ویژگی 14 و دقت کلی 3/97 حاصل شد.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

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 تصاویر پلاریمتری راداری

از آنجا که پلاریمتری راداری زمینه¬ای به نسبت نوظهور در سنجش از دور می¬باشد، تحقیقات محدودی در مورد طبقه¬بندی این تصاویر صورت گرفته است. ویژگی¬های خاص تصاویر پلاریمتری مانند مستقل بودن از شرایط آب و هوایی، قابلیت اخذ تصویر در هر زمان از شبانه¬روز، حساسیت به ساختار هندسی و فیزیکی اشیا همچنین ظهور سنجنده¬های پلاریمتریک راداری خصوصا سنجنده های فضابرد در دهه¬های اخیر، سبب شده که پلاریمتری راداری به ...

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

تشخیص تغییرات در تصاویر پلاریمتری SAR براساس الگوریتم بهبود یافته آب پخشان

عواملی هم­چون وجود اسپکل­ها در تصاویر SAR، وابستگی زیاد بین پیکسل­های همسایه، احتمال رخداد تغییرات در مناطق مجاور نسبت به نقاط دور از یکدیگر و هم­چنین دشواری دست­یابی به نتایج موردنظر در صورت استفاده از روش­های مبتنی بر پیکسل، ضرورت به­کارگیری آنالیز شی­مبنا را در بهبود دقت تشخیص تغییرات ایجاب می­کند. هدف از این مقاله، ارائه روشی نوین در تشخیص تغییرات به­هنگام پوشش­های اراضی با استفاده از تصاوی...

full text

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...

طبقه بندی پوشش زمین با استفاده از داده های پلاریمتری sar

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 ...

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