طبقه بندی ترکیبی شئ گرا و دانش بنیان تصاویر با توان تفکیک مکانی بالا در مناطق شهری

thesis
abstract

تصاویر ماهواره ای به دلیل مزایای بسیاری که دارند از شروع تولید و بکارگیری به عنوان یکی از بهترین و به صرفه ترین روش ها برای تهیه نقشه های پوششی زمین بکار گرفته می شوند. رسیدن به یک راهکار مناسب برای تهیه دقیق این نقشه ها دغدغه مهم مهندسان سنجش از دور از ابتدا تاکنون بوده است. روش های مختلفی تاکنون برای طبقه بندی تصاویر و تهیه نقشه کاربری اراضی و پوشش زمین ارائه شده اند. به دلیل ماهیت پیکسلی این تصاویر برای بیش از دو دهه روش های آماری برای طبقه بندی این تصاویر استفاده می شد که تماماً روش های مبتنی بر پیکسل بودند. به کلاس های حاصل از این روش ها کلاس های طیفی می گفتند. در روش های سنتی تمرکز بیشتر بر روی ابعاد طیفی داده های سنجش از دور قرار دارد و از وابستگی های مکانی پیکسل های مجاور غفلت شده است. به همین دلیل این گونه طبقه بندی کننده ها با مشکلاتی مانند اثر نمک فلفلی در تصویر طبقه بندی شده و یا هم پوشانی طیفی برخی از کلاس ها مخصوصاً در لبه ها مواجه هستند که باعث می شوند نتوانند بازسازی مناسبی از محیط واقعی را ارائه دهند. روش های شئ گرا برای برطرف کردن ضعف های روش های پیکسل مبنا ابداع شدند. در این روش ها چند پیکسل که ماهیت یکسانی دارند و در همسایگی هم هستند، به عنوان یک شئ در نظر گرفته می شوند. به دست آوردن قطعات در آنالیز شئ گرای تصاویر ابتدایی ترین مرحله این گونه آنالیزها است. در روش های معمول طبقه بندی های شئ گرا، اشیا مورد نیاز را با استفاده از پیاده سازی الگوریتم های قطعه بندی بر روی تصویر به دست می آورند. طبقه بندی نهایی قطعات به دست آمده از این روش ها اگرچه ممکن است به دقت بالایی برسد، ولی این اشیاء نمی توانند عوارض واقعی سطح زمین را به خوبی بازسازی کنند. در روش هایی که به تازگی مورد توسعه قرارگرفته اند اشیا مورد نیاز جهت انجام آنالیز شئ گرا از داده های جانبی مانند نقشه های مکانی منطقه استخراج می شوند. در این تحقیق، هشت ویژگی بافت در دو جهت و در چهار باند استخراج می شوند که تشکیل ?? ویژگی جدید می دهند. این ?? ویژگی به همراه ویژگی ndvi استخراج شده از تصویر و چهار باند اصلی تصویر تشکیل یک فضای ویژگی ?? بعدی را می دهند. سپس با استفاده از الگوریتم ژنتیک فضای ویژگی بهینه انتخاب می شود. در ادامه اشیاء مورد نیاز برای آنالیز شئ گرای تصویر، از لایه های جی آی اس استخراج می شوند. سپس ویژگی مکانی نسبت طول به عرض از اشیاء استخراج شده از داده های gis، محاسبه می شود. این ویژگی هم به فضای ویژگی بهینه اضافه شده و فضای ویژگی جدید تشکیل می شود. ویژگی ها با در نظر گرفتن توزیع نرمال برای آن ها، وارد رابطه محاسبه شباهت ها در قانون بیز می شوند. با ترکیب اشیاء استخراج شده و شباهت های محاسبه شده برای پیکسل های داخل هر شئ، میزان شباهت هر شئ به هر کلاس محاسبه می شود. و درنهایت با انجام طبقه بندی بیشینه شباهت در سطح اشیا، برچسب گذاری اشیا انجام می گیرد. درنهایت مشخص می شود که در فرایند بهبودی الگوریتم دقت کلی طبقه بندی به میزان ?? درصد افزایش می یابد.

similar resources

طبقه بندی ترکیبی شئ گرا و دانش بنیان تصاویر با توان تفکیک مکانی بالا در مناطق شهری

تصاویر ماهواره ای به دلیل مزایای بسیاری که دارند از شروع تولید و بکارگیری به عنوان یکی از بهترین و به صرفه ترین روش ها برای تهیه نقشه های پوششی زمین بکار گرفته می شوند. رسیدن به یک راهکار مناسب برای تهیه دقیق این نقشه ها دغدغه مهم مهندسان سنجش از دور از ابتدا تاکنون بوده است. روش های مختلفی تاکنون برای طبقه بندی تصاویر و تهیه نقشه کاربری اراضی و پوشش زمین ارائه شده اند. به دلیل ماهیت پیکسلی این...

توسعه روشی شئ گرا بر مبنای شاخص جدید برای آشکارسازی سایه ها در تصاویر ماهواره ای با توان تفکیک بالا از مناطق شهری

وجود عوارض با اختلاف ارتفاع مختلف به خصوص در نواحی شهری باعث ایجاد سایه در تصاویر ماهواره­ای با توان تفکیک مکانی بالا می­شوند. سایه­ها با ایحاد تمایز طیفی بالا نسبت به سایر نواحی، در عمده پردازش­های تصاویر مانند طبقه‌بندی، آشکارسازی تغییرات و تناظریابی تصاویر استرئو تاثیر زیادی می‌گذارند، لذا شناسایی صحیح و کامل آن­ها از اهمیت بالایی برخوردار است. در این مقاله، شاخصی جدید برای استخراج سایه‌ها د...

full text

بهبود طبقه بندی منطقه شهری با استفاده از تلفیق تصاویر اپتیک چندباندی و لایدار با قدرت تفکیک مکانی بالا

امروزه با گسترش مناطق شهری تولید اطلاعات دقیق و به روز از جمله اطلاعات اساسی، به منظور مدیریت و برنامه‌ریزی شهرها است. گسترش روز افزون تکنولوژی سنجش از دور امکان استخراج اطلاعات متنوع از پوشش‌های شهری را فراهم آورده که موجب جلب توجه محقق‌های فراوانی به این موضوع شده است. وجود عوارض متنو...

full text

توسعه روشی شئ گرا بر مبنای شاخص جدید برای آشکارسازی سایه ها در تصاویر ماهواره ای با توان تفکیک بالا از مناطق شهری

وجود عوارض با اختلاف ارتفاع مختلف به خصوص در نواحی شهری باعث ایجاد سایه در تصاویر ماهواره­ای با توان تفکیک مکانی بالا می­شوند. سایه­ها با ایحاد تمایز طیفی بالا نسبت به سایر نواحی، در عمده پردازش­های تصاویر مانند طبقه بندی، آشکارسازی تغییرات و تناظریابی تصاویر استرئو تاثیر زیادی می گذارند، لذا شناسایی صحیح و کامل آن­ها از اهمیت بالایی برخوردار است. در این مقاله، شاخصی جدید برای استخراج سایه ها د...

full text

بهبود آشکارسازی تغییرات شئ گرا در تصاویر با قدرت تفکیک مکانی بالا بر مبنای روش جنگل تصادفی در فضای ویژگی های بهینه

آشکارسازی تغییرات با رویکرد شیءگرا در تصاویر با قدرت تفکیک مکانی بالا به این دلیل که علاوه بر ویژگی های طیفی از ویژگی های مکانی، هندسی و بافتی استفاده می کند در مقایسه با رویکرد پیکسل مبنا  نتایج بسیار خوبی به همراه داشته است. با این وجود، انتخاب الگوریتم و ویژگی های بهینه همچنان به عنوان چالشی اساسی باقی مانده است. در این تحقیق، جهت بهبود آشکارسازی تغییرات با رویکرد شیءگرا از الگوریتم ...

full text

تشخیص شبکه راه‌ها در مناطق شهری با استفاده از تصاویر ماهواره‌ای با قدرت تفکیک بالا و داده‌های لایدار بر اساس طبقه بندی نزدیکترین همسایگی فازی و توصیفگرهای بهینه

تشخیص اتوماتیک شبکه راه‌ها در مناطق متراکم شهری، یکی از چالش های مطرح درگروه‌های  تحقیقاتی فتوگرامتری و سنجش از دور می‌باشد که از دلایل عمده این موضوع می‌توان به تنوع خصوصیات طیفی و هندسی راه‌ها و همچنین شباهت طیفی و هندسی پیکسل­های راه با سایر عوارض از جمله ساختمان­ها، پارکینگ­ها و پیاده­روها و عدم پیوستگی راه‌ها به علت مجاورت با عوارضی نظیر اتومبیل و درختان، اشاره نمود. که این موارد باعث می گ...

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 صنعتی خواجه نصیرالدین طوسی - دانشکده نقشه برداری

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023