استفاده از سیستمهای طبقهبندی چندگانه به‌منظور بهبود دقت طبقهبندی تصاویر تمام پلاریمتریک راداری با فضای ویژگی ابعاد بالا
نویسندگان
چکیده مقاله:
یک تصویر تمام پلاریمتریک راداری (POLSAR) قابلیت فراهم‌کردن یک داده با فضای ویژگی ابعاد بالا را دارد. این حجم بالای اطلاعاتی می‌تواند دقت کلی طبقهبندی پوشش زمینی را افزایش دهد. اما افزایش ابعاد داده در صورت ناکافی بودن تعداد نمونههای آموزشی ممکن است باعث پیچیدهتر شدن طبقهبندی و رخ دادن پدیده نفرین ابعاد شود. یکی از راهکارهای حل این مشکل، استفاده از سیستمهای طبقهبندی چندگانه (MCS) است که توانایی تقسیم و غلبه بر حجم بالای داده در مقایسه با طبقهبندیکنندههای تکی را داراست. حتی برخی از روشهای MCS میتوانند با بهکارگیری طبقهبندیکنندههای ضعیف و ناپایدار همچون درخت تصمیم (DT) و شبکه عصبی (NN) به دقت بالایی در طبقهبندی ابعاد بالا دست یابند. هدف این مقاله نیز استفاده از چند روش مشهور MCS همچون آدابوست، بگینگ و جنگل‌های تصادفی به‌منظور بهبود دقت طبقهبندی پوشش زمینی از تصاویر POLSAR با ابعاد بالا است. دادههای استفاده شده در این مقاله، تصاویر راداری رادارست-2 از منطقه سانفرانسیسکو و تصویر ایرسار از منطقه فلوولند است. برای طبقهبندی این دو تصویر، 69 ویژگی پلاریمتریک از آنها استخراج شد. دو جداساز NN و DT بهعنوان طبقهبندی کننده پایه روشهای آدابوست و بگینگ انتخاب شد. در ادامه، روشهای MCS با طبقهبندیکنندههای تکی NN و DT مقایسه شد. نتایج، نشان از دقت کلی بیشتر روشهای MCS بین 5%-8% برای طبقهبندی تصویر اول و 9% تا 16% برای طبقهبندی تصویر دوم داشت. حتی دقت تولید کننده و دقت کاربر روشهای MCS در تمام کلاسها نسبت به طبقهبندی کننده‌های تکی بیشتر بود. بهگونهای که در برخی کلاسها این اختلاف بین 20% تا حتی نزدیک به 50% شد. این نتایج نشان داد که روشهای MCS در مقایسه با طبقهبندیکنندههای تکی نهتنها قادر به تولید دقت کلی بیشتر در طبقهبندی پوشش زمینی است، بلکه حتی کارایی و اعتمادپذیری نسبی بالاتری در تفکیک تکتک کلاسها دارد.
منابع مشابه
استفاده از سیستم های طبقه بندی چندگانه به منظور بهبود دقت طبقه بندی تصاویر تمام پلاریمتریک راداری با فضای ویژگی ابعاد بالا
یک تصویر تمام پلاریمتریک راداری (polsar) قابلیت فراهم کردن یک داده با فضای ویژگی ابعاد بالا را دارد. این حجم بالای اطلاعاتی می تواند دقت کلی طبقه بندی پوشش زمینی را افزایش دهد. اما افزایش ابعاد داده در صورت ناکافی بودن تعداد نمونههای آموزشی ممکن است باعث پیچیدهتر شدن طبقهبندی و رخ دادن پدیده نفرین ابعاد شود. یکی از راهکارهای حل این مشکل، استفاده از سیستمهای طبقهبندی چندگانه (mcs) است که تو...
متن کاملارائه یک روش انتخاب ویژگی براساس الگوریتم ژنتیک و درخت تصمیم به‌منظور طبقهبندی تصاویر تمام پلاریمتریک راداری
یک تصویر تمام پلاریمتریک راداری (POLSAR) قادر است ویژگیهای پلاریمتریک مهمی برای طبقهبندی پوشش زمینی فراهم کند. این ویژگیها میتوانند پارامترهای مستخرج از ماتریس پراکنش، کواریانس و همدوسی یا پارامترهای مستخرج از روشهای تجزیه هدف یا هر دو دسته باشد. در این مقاله، ویژگیهای پلاریمتریک فراوانی از یک تصویر POLSAR استخراج میشود. سپس با استفاده از الگوریتم ژنتیک (GA) و درخت تصمیم (DT)، یک روش انت...
متن کاملکارایی شاخص‌های راداری در استخراج سطوح نفوذناپذیر شهری با استفاده از تصویر رادار تمام پلاریمتریک
تفکیک سطوح نفوذناپذیر در مناطق شهری و بررسی روند تغییرات آن، اهمیت بسیاری دارد؛ زیرا امروزه این مقوله شاخصی از گسترش شهر به‌شمار می‌آید. سطوح نفوذناپذیر در مناطق شهری، شامل مناطق مسکونی، مناطق تجاری و صنعتی، پارکینگ‌ها و سطح معابر و شبکة خیابان‌هاست. انواع سطوح نفوذناپذیر و تنوع بسیار آنها از نظر شکل، اندازه و مواد تشکیل‌دهنده سبب پیچیدگی تفکیک این سطوح در مناطق شهری میشود. در این پژوهش از تص...
متن کاملارائه یک روش انتخاب ویژگی براساس الگوریتم ژنتیک و درخت تصمیم به منظور طبقه بندی تصاویر تمام پلاریمتریک راداری
یک تصویر تمام پلاریمتریک راداری (polsar) قادر است ویژگیهای پلاریمتریک مهمی برای طبقهبندی پوشش زمینی فراهم کند. این ویژگیها می توانند پارامترهای مستخرج از ماتریس پراکنش، کواریانس و همدوسی یا پارامترهای مستخرج از روشهای تجزیه هدف یا هر دو دسته باشد. در این مقاله، ویژگیهای پلاریمتریک فراوانی از یک تصویر polsar استخراج میشود. سپس با استفاده از الگوریتم ژنتیک (ga) و درخت تصمیم (dt)، یک روش انت...
متن کاملپایش محصولات زراعی با استفاده از تصاویر پلاریمتریک اینترفرومتریک سار
افزایش تولید محصولات کشاورزی با توجه به شرایط آب و هوایی، محدودیت منابع آبی و نیز محدودیت زمین‌های دارای پتانسیل تولید، همچنین محدودیتهای مالی در کشور با مشکلات فراوانی روبرو میباشد. بنابراین برای تأمین مواد غذایی باید بهره‌وری از عوامل تولید به ویژه آب و خاک افزایش و ضایعات کشاورزی تا حد امکان کاهش یابد. این امر نیازمند پایش منظم محصولات میباشد. سنجش از دور یکی از مهمترین تکنیک‌های مور...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 2 شماره 3
صفحات 69- 84
تاریخ انتشار 2014-12
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی برای این مقاله ارائه نشده است
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023