طبقه بندی تصاویر فراطیفی با استفاده از اطلاعات طیفی و هندسی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسی - دانشکده نقشه برداری
- نویسنده سمیه یعقوبی
- استاد راهنما محمود رضا صاحبی برات مجردی
- سال انتشار 1390
چکیده
سنجنده های ابرطیفی قابلیت جمع آوری داده در تعداد باندهای طیفی بسیار زیاد را دارند، به نحوی که می توان به کمک این سنجنده ها به یک منحنی طیفی تقریباً پیوسته برای اشیاء زمینی رسید. به همین دلیل برای طبقه بندی دقیق بسیار مناسب هستند. طبقه بندی وظیفه مهمی در بسیاری از زمینه های کاربردی است. با این وجود، ابعاد بالای داده ها، چالش هایی را برای آنالیز تصاویر ابرطیفی نشان می دهند. در حالی که اکثر تکنیک های طبقه بندی پیشنهاد شده ی قبلی هر پیکسل را بصورت مستقل و بدون در نظر گرفتن اطلاعاتی در مورد ساختار های مکانی، پردازش می کنند، تحقیقات اخیر در پردازش تصاویر ابرطیفی بر اهمیت مشارکت محتوای مکانی در طبقه بندی کننده ها متمرکز شده اند. در این تحقیق روشها و الگوریتم های جدید طیفی_مکانی، برای طبقه بندی داده ابر طیفی ارائه شده است. روش پیشنهادی در این تحقیق با استفاده ی همزمان از اطلاعات طیفی و اطلاعات مکانی حاصل از آنالیز مورفولوژی، نتایج نهایی طبقه بندی را در تصاویر ابر طیفی بهبود می بخشد. ابتدا با استفاده از نمونه های آموزشی محدود، ویژگی های منتخب اولیه را استخراج کرده و پس از اعمال آنالیزهای مورفولوژی بر روی هر یک از ویژگی های منتخب اولیه، پروفایل های مورفولوژی تشکیل می شود و از ترکیب پروفایل ها، پروفایل مورفولوژی گسترده شده تولید می شود. سپس پروفایل مورفولوژی گسترده شده با ویژگی های منتخب اولیه ترکیب شده و مجددا استخراج ویژگی نهایی انجام می شود. ویژگی های منتخب نهایی با استفاده از طبقه بندی کننده ماشین بردار پشتیبان طبقه بندی می شوند. سپس پس پردازش تصویر نهایی با استفاده از فیلتر رای گیری اکثریت انجام می شود. روش پیشنهادی، روی داده شهری و نیمه شهری از سنجنده rosis تست شد. دقت طبقه بندی نهایی از 98.86 و 82.70 در روش های معمولی به 99.36 و 95.75 در روش پیشنهادی به ترتیب در تصویر منطقه شهری و نیمه شهری افزایش می یابد.
منابع مشابه
بهبود طبقه بندی طیفی- مکانی جنگل پوشای مینیمم با کاهش ابعاد تصاویر فراطیفی
فنآوری سنجش از دور فراطیفی دارای کاربردهای فراوان در طبقهبندی پوششهای زمین و بررسی تغییرات آنها است. با پیشرفتهای اخیر و ایجاد تصاویری با قدرت تفکیک مکانی بالا، لزوم استفاده توام از اطلاعات طیفی و مکانی را در طبقهبندی تصاویر فراطیفی ایجاب میکند. در این تحقیق روشی جدید جهت طبقهبندی طیفی-مکانی تصاویر فراطیفی به کمک الگوریتم جنگل پوشای مینیمم ( MSF) مبتنی بر نشانهها که یکی از دقیقترین الگ...
متن کاملطبقه بندی تصاویر فراطیفی با استفاده از مدل آمیخته ی گاوسی و الگوریتم نمونه گیر گیبز
با پیشرفتهای فناوری سنجش از دور و تولید دادههای فراطیفی با اطلاعات طیفی فراوان، استفاده از این دادهها جهت مطالعه دقیق پدیدهها به سرعت در حال گسترش است. تصاویر فراطیفی به دلیل نمایش گسترده خصوصیات طیفی عوارض و پدیدههای سطح زمین در بسیاری از علوم زمین مورد توجه قرار گرفتهاند. یکی از مهمترین کاربردهای تصاویر فراطیفی، طبقهبندی آنها و تولید نقشههای پوشش زمینی بدون نیاز به دادههای واقعیت زم...
متن کاملطبقه بندی دادههای فراطیفی براساس سیستمهای ماشینهای بردار پشتیبان چندگانه با استفاده از گروه بندی باندهای طیفی
با پیشرفتهای کنونی در سنجش از دور و علوم مرتبط با آن، داده سنجش از دور فراطیفی با فراهم آوردن حجم بالای اطلاعات طیفی برای تشخیص بهتر کلاسهای زمینی مورد استفاده فراوان قرار میگیرد، اگرچه تعداد زیاد باندهای طیفی در مقابل تعداد کم نمونههای آموزشی در دسترس، مشکل "پدبده هیوز" را در این داده ایجاد میکند. به علاوه تعداد زیاد باندهای طیفی که اغلب به یکدیگر وابسته میباشند، شامل اطلاعات زاید فراوان...
متن کاملبهبود طبقه بندی طیفی-مکانی تصاویر ابرطیفی با به کارگیری اطلاعات مکانی در انتخاب نشانه ها
فنآوری سنجش از دور ابرطیفی دارای کاربردهای فراوان در طبقه بندی پوشش های زمین و بررسی تغییرات آنها است. معمولترین روش جهت طبقهبندی تصاویر ابرطیفی، طبقه بندی مبتنی بر پیکسل بوده که در آن هر پیکسل فقط با اطلاعات طیفی خود و بدون در نظر گرفتن پیکسل های همسایه، به کلاس مشخصی اختصاص می یابد. پیشرفتهای اخیر و ایجاد تصاویری با قدرت تفکیک مکا...
متن کاملبهبود طبقه بندی طیفی- مکانی جنگل پوشای مینیمم با کاهش ابعاد تصاویر فراطیفی
فن آوری سنجش از دور فراطیفی دارای کاربردهای فراوان در طبقه بندی پوشش های زمین و بررسی تغییرات آنها است. با پیشرفت های اخیر و ایجاد تصاویری با قدرت تفکیک مکانی بالا، لزوم استفاده توام از اطلاعات طیفی و مکانی را در طبقه بندی تصاویر فراطیفی ایجاب می کند. در این تحقیق روشی جدید جهت طبقه بندی طیفی-مکانی تصاویر فراطیفی به کمک الگوریتم جنگل پوشای مینیمم ( msf) مبتنی بر نشانه ها که یکی از دقیق ترین الگ...
متن کاملبهبود طبقه بندی بدون نظارت تصاویر فراطیفی با استفاده از مدل خوشه بندی فازی gustafson-kessel
مدل های خوشه بندی c-means یکی از پرکاربردترین شیوه های طبقه بندی نظارت نشده در آنالیز داده ها به شمار میرود. مدل فازی این روش، یعنی fuzzy c-means، یکی از مشهورترین مدل هایی است که در آن هر داده با یک مقدار درجۀ عضویت بین 0 و 1، به هر یک از خوشه ها اختصاص داده میشود. این مدل خوشه بندی جهت طبقه بندی داده های سنجش از دوری بسیار استفاده شده است. مدل fuzzy c-means از فاصلۀ اقلیدسی جهت خوشه بندی اس...
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 صنعتی خواجه نصیرالدین طوسی - دانشکده نقشه برداری
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023