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

thesis
abstract

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 را ترکیب و یک داده تلفیقی تولید می¬کند که اطلاعات و جزئیات بیشتری نسبت به هر منبع داده به تنهایی دارد. از طرفی با ظهور سنجنده¬های نوین در سنجش ازدور امکان دسترسی به داده¬ها و تصاویری با پتانسیل اطلاعاتی بالا وجود دارد که امر تلفیق را تسهیل می¬سازد. علاوه بر این، مناطق شهری بسیار ناهمگن هستند، وجود عوارض مختلف مثل عوارض طبیعی، عوارض ساخته دست بشر و عوارض غیرقابل پیش بینی مثل وسایل نقلیه طبقه¬بندی این مناطق را بسیار پیچیده می¬کند و استفاده از یک منبع داده به تنهایی منجر به نتایج دقیق جهت تهیه نقشه کاربری از این مناطق نخواهد شد. در این پایان¬نامه از دو روش تلفیق در سطح ویژگی و تصمیم گیری دو منبع داده پلاریمتریک راداری (polsar) از سنجنده رادارست-2 و فراطیفی (hyperspectral) از سنجنده هایپریون جهت طبقه¬بندی منطقه شهری سانفرانسیسکو استفاده شده است. علت استفاده از این دو منبع داده، به این خاطر است که این دو منبع داده ماهیت متفاوت و مکمل نسبت به یکدیگر دارند. داده¬ فراطیفی اطلاعات را از سطح و طیف عوارض در تعداد زیاد باند فراهم می¬کند درحالی که داده راداری از ویژگی¬های فیزیکی و دی الکتریک تارگت¬ها اطلاعات را ارائه می¬کند. در روش تلفیق در سطح ویژگی ابتدا ویژگی¬های هر داده به طور جداگانه استخراج شدند و سپس در یک فضای ویژگی جدید با یکدیگر در سطح ویژگی تلفیق شدند و درنهایت با استفاده از الگوریتم ga-svm طبقه بندی شدند. در روش تلفیق در سطح تصمیم¬گیری ابتدا دو تصویر به طور جداگانه طبقه¬بندی می¬شوند و سپس نتایج طبقه¬بندی دو داده در سطح تصمیم و با استفاده از قوانین تلفیق در سطح تصمیم گیری با یکدیگر تلفیق می¬شوند. در این پایان¬نامه نتایج طبقه¬بندی نرم داده راداری به روش ga-svm و تصویر فراطیفی به روش ga-svm و نیز نتیجه طبقه¬بندی نرم داده راداری به روش ga-svm و نتیجه فراوانی¬های تصویر فراطیفی به روش تجزیه طیفی خطی (lsu) با استفاده از روش¬های تلفیق در سطح تصمیم که شامل روش رتبه، میانگین (میانگین حسابی)، ضرب (میانگین هندسی)، ماکسیمم و مینیمم و همچنین این روش¬ها به صورت وزن¬دار است، با یکدیگر تلفیق شدند. نتایج نشان می¬دهند که دو روش تلفیق در سطح ویژگی و تصمیم گیری به طور قابل توجهی دقت طبقه¬بندی منطقه شهری موردمطالعه را نسبت به هر منبع داده به تنهایی افزایش می-دهند و نیز با مقایسه نتایج طبقه¬بندی این دو روش تلفیق درمیابیم که روش تلفیق در سطح ویژگی دقت بالاتری نسبت به روش تلفیق در سطح تصمیم را ارائه کرده است

similar resources

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 ...

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

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 ...

15 صفحه اول

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 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

سیستم های طبقه بندی کننده ی چندگانه ی نوین درختی به منظور طبقه بندی زمین های کشاورزی از تصاویر نوری و راداری تمام قطبیده

تصاویر نوری و راداری با دریچه­ی مصنوعی تمام­قطبیده (PolSAR)، منابع ارزشمندی برای طبقه­بندی زمین­های کشاورزی است. ویژگی­های مستخرج از تصاویر نوری حاوی اطلاعاتی در مورد امضای بازتابی محصولات مختلف است. در مقابل، یک تصویر PolSAR فراهم­کننده­ی اطلاعاتی در مورد خصوصیات ساختاری و سازوکارهای پراکنش محصولات است. ترکیب این دو منبع قادر به ایجاد یک مجموعه­داده­ی مکمل با تعداد قابل توجهی از ویژگی­های زمان...

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

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