نحوه عمل در اکثر الگوریتم های طبقه بندی متداول در سنجش از دور بر اساس ویژگیها و اطلاعات طیفی پیکسلها می باشد. این مسئله ضمن نادیده گرفتن مقدار زیادی از اطلاعات فضایی موجود در تصویر با افزایش قدرت تفکیک فضایی در ماهواره ها، باعث افزایش اطلاعات غیر مفید (نویز) و افزایش تشابه طیفی بین طبقات و در نتیجه افزایش واریانس داخلی می شود که در نهایت منجر به اثرات منفی بر روی دقت طبقه بندی می گردد. به منظور...

در سال های اخیر استخراج اطلاعات از تصاویر ابر طیفی هدف بسیاری از تحقیقات و پژوهش های سنجش از دور بوده است. برخی از این اطلاعات شامل نوع و میزان مواد پوشش دهنده سطح می-باشد. تشخیص نوع مواد از طریق برهمکنش آن ها با نواحی مختلف طیف الکترومغناطیسی میسر است و تعیین مقدار آن ها به ابعاد پیکسل وابسته می باشد. با تلفیق داده های ابرطیفی و داده های با قدرت تفکیک مکانی بالا امکان دستیابی همزمان به این اطل...

نحوه عمل در اکثر الگوریتم های طبقه بندی متداول در سنجش از دور بر اساس ویژگیها و اطلاعات طیفی پیکسلها می باشد. این مسئله ضمن نادیده گرفتن مقدار زیادی از اطلاعات فضایی موجود در تصویر با افزایش قدرت تفکیک فضایی در ماهواره ها، باعث افزایش اطلاعات غیر مفید (نویز) و افزایش تشابه طیفی بین طبقات و در نتیجه افزایش واریانس داخلی می شود که در نهایت منجر به اثرات منفی بر روی دقت طبقه بندی می گردد. به منظور...

توزیع مکانی و فراوانی گیاهان شهری فاکتور کلیدی و موثر بر فرآیندهای بیوفیزیکی محیط زیست شهری از قبیل کیفیت آب و هوا، دما، رطوبت و بارش به شمار می رود. بنابراین با توجه به ارتباط پوشش گیاهی شهری و فرآیندهای بیوفیزیکی و اجتماعی سیستمهای شهری، نیاز به نقشه برداری و طبقه بندی گیاهان شهری به وضوح احساس می شود. در این زمینه سنجش از دور امکانات فراوانی برای نقشه برداری گسترده سطوح گیاهی فراهم نموده است...

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 ...