طبقه بندی شئ گرای تصاویر etm+ لندست منطقه ملایر بر مبنای شکل و اندازه در شبکه های عصبی مصنوعی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس
- نویسنده جلال کرمی
- استاد راهنما عباس علیمحمدی سراب احسان الله کبیر
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1381
چکیده
روشهای متداول طبقه بندی داده های سنجش از دور مانند روشهای آماری عمدتا وابسته به خصوصیات طیفی پدیده های زمینی هستند.از آنجائیکه اغلب این پدیده ها از ویژگیهای طیفی پیچیده ای برخوردار بوده و دارای مناطق همپوشانی با یکدیگر هستند، بنابراین زمانیکه این ویژگیهای طیفی به تنهایی بکار برده می شوند، نتایج رضایتبخشی بدست نمی آید.تجربیات نشان داده است که استفاده از داده های کمکی از قبیل :ارتفاع ، شیب و جهت و داده های مکانی مانند شکل ، اندازه و محیط در کنار داده های طیفی می توانند دقت طبقه بندی را افزایش دهند. روش طبقه بندی شی -پایه بدلیل اینکه از هر دو دسته داده های طیفی و غیرطیفی در کنار هم استفاده می کند، نتایج بهتری را به همراه دارد.
منابع مشابه
بررسی تغییرات پوشش درختی استان گلستان به روش طبقه بندی شبکه عصبی مصنوعی با استفاده از داده های سنجنده tm و etm+ ماهواره لندست
این تحقیق با هدف بررسی میزان تغییرات پوشش درختی در سالهای 1987 (1366) و 2001 (1380) به صورت مطالعه موردی در استان گلستان با مساحت 74/20437 کیلومتر مربع به کمک تصاویر سنجنده tmوetm+ انجام شد. برای این کار با توجه به اطلاعات و تجربه قبلی از انواع کاربری و پوشش سرزمین در این محدوده و مطالعه چشمی تصویر رنگ مجازی، پوشش درختی منطقه شناسایی شد و بر روی تصویر رنگ مجازی تعیین گردید. سپس با استفاده از 6...
متن کاملمقایسه روش های طبقه بندی ماشین بردار پشتیبان و شبکه عصبی مصنوعی در استخراج کاربری های اراضی از تصاویر ماهواره ای لندست tm
طبقه بندی و تهیه نقشه کاربری های اراضی یکی از پرکاربردترین موارد در استفاده از داده های سنجش از دور است. تعدادی از روش های پیشرفته تر طبقه بندی در دهه های گذشته توسعه پیداکرده اند که از آنها می توان به شبکه های عصبی مصنوعی و ماشین بردار پشتیبان اشاره کرد. در این مطالعه از تصاویر لندستtm باقدرت تفکیک 30 متر جهت استخراج کاربری های اراضی با استفاده از دو روش طبقه بندی شبکه عصبی مصنوعی و ماشین بردا...
متن کاملبرآورد تغییرات سطح پوشش جنگل های رودسر با استفاده از روش های طبقه بندی شبکه عصبی مصنوعی و حداکثر احتمال
امروزه کسب آگاهی و دانش در رابطه با پوشش گیاهی نقش مهمی را در مدیریت خاکها ایفا میکند. بااین وجود برآورد پوشش گیاهی به روش معمولی که شامل برآورد کلی از پوشش گیاهی است هم زمانبر است و هم اطلاعات چندان دقیقی را به دست نمیدهد. از این رو سنجش از دور فنآوری بسیار مفیدی است که به دلیل کاهش زمان و هزینه، بر سایر روشها ارجحیت داده میشود. در این تحقیق سعی بر آن شد با استفاده از تکنیکهای سنجش از د...
متن کاملمقایسه روش های طبقه بندی، شبکه عصبی مصنوعی و رگرسیون چندمتغیره در برآورد بازیابی فلز از بلوک کانسنگ
با توجه به نقش بازیابی در محاسبه ارزش اقتصادی بلوک کانسنگ و تأثیر مقدار این ارزش بر محاسبات طراحی و برنامه‌ریزی تولید معدن، تعیین بازیابی فلز از بلوک کانسنگ ارسالی به کارخانه فرآوری، از اهمیت بالایی برخوردار است. هدف از این پژوهش، بررسی قابلیت برآورد بازیابی بلوک کانسنگ به<span lang="AR-SA" dir="R...
متن کاملمقایسه روشهای طبقه‌بندی ماشین بردار پشتیبان و شبکه عصبی مصنوعی در استخراج کاربری‌های اراضی از تصاویر ماهواره‌ای لندست TM
Land use classification and mapping mostly use remotely sensed data. During the past decades, several advanced classification methods such as neural network and support vector machine (SVM) have been developed. In the present study, Landsat TM images with 30m spatial resolution were used to classify land uses through two classification methods including support vector machine and neural network...
متن کاملطبقه بندی نظارت شده جوامع گیاهی شمشاد هیرکانی با استفاده از شبکه عصبی مصنوعی
در این پژوهش، کاربرد روش شبکه عصبی مصنوعی یا MLP در فرآیند تخصیص رلوه- گروه‌ها/جوامع‌گیاهی با استفاده از پایگاه اطلاعاتی ترکیب‌گیاهی جنگل‌های شمشاد هیرکانی (Buxus hyrcana Pojark.) ارزیابی شد. برای این منظور، نخست گروه‌های بوم‌شناختی و جامعه‌شناختی شمشاد هیرکانی به ترتیب با استفاده از نتایج دو روش عددی TWINSPAN و تجربی براون-بلانکه تعیین شد. نتایج هر دو دارنگاره عددی و تجربی طبقه‌بندی مشتمل بر 7...
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 @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023