ارزیابی ترکیب طبقه بندی کننده های پیکسل های مختلط به منظور بهبود تخمین حضور عوارض درسطح زیر پیکسل
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسی - دانشکده نقشه برداری
- نویسنده حامد قلی زاده
- استاد راهنما برات مجردی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1390
چکیده
یکی از مهم ترین پردازش ها در حیطه ی تصاویر ابر طیفی، آشکارسازی اهداف در سطح زیر پیکسل می باشد. به دلیل قدرت تفکیک طیفی بالای تصاویر ابرطیفی از یک سو و قدرت تفکیک مکانی محدود آنها از سوی دیگر، اهداف مورد نظر در سطح زیر پیکسل ظاهر می شوند. از این رو آشکارسازی این اهداف با استفاده از روش های رایج پردازش تصویر که بر مبنای اطلاعات مکانی استوار هستند امکان پذیر نیست. در طی سال های اخیر روش های متفاوتی به منظور حل مسئله ی آشکارسازی توسعه داده شده اند که در این پایان نامه روش های آشکارسازی osp، cem، tcimf، amsd، ace،fcls ، ncls و scls مورد استفاده قرار گرفته اند. براساس مقایسه های انجام شده در این پایان نامه، عموما روش های ace و cem دارای عملکردی بهتر از سایر روش ها می باشند. از سوی دیگر هر کدام از روش های آشکارسازی بر پایه ی فرض های متفاوتی استوار بوده و نقاط ضعف و قوت خاص خود را دارند. یکی از راهکارهای ممکن برای بهبود نتایج حاصل از آشکار سازی و استفاده از نقاط قوت هر کدام از این روش ها، ترکیب نتایج حاصل از آشکارسازها می باشد. برطبق نتایج بدست آمده در این پایان نامه با استفاده از داده-های شبیه سازی شده و واقعی، روش ترکیب میانگین دارای بهترین عملکرد می باشد. از سوی دیگر، به دلیل افزایش ابعاد فضای ویژگی در تصاویر ابرطیفی، ابعاد فضای فرضیات نیز بشدت افزایش خواهد یافت که این عامل نیز سبب دشوار شدن عملیات آشکارسازی خواهد شد. بنابراین راهکاری دیگر جهت بهبود آشکار سازی، کاهش ابعاد داده های ابرطیفی است. بنابراین به منظور بررسی اثر کاهش ابعاد داده ی ابرطیفی از الگوریتم ژنتیک (نظارت شده) و تبدیل wavelet (نظارت نشده) استفاده شده است. بر اساس نتایج بدست آمده، این روش ها می توانند سبب بهبود نتایج آشکارسازی شوند، اما هر کدام از این دو روش همانطور که در بخش های بعدی اشاره خواهد شد دارای نقاط ضعف خاص خود می باشند. از اینرو در این پژوهش، از یک فرآیند انتخاب باند نظارت نشده در فضای پدیده جهت بهبود عملکرد آشکارسازی استفاده شده است. نتایج حاصله بر روی داده ی ابرطیفی واقعی، نشان دهنده ی اثر مثبت روش پیشنهادی در بهبود نتایج می باشد. علاوه بر موارد فوق، در این پایان نامه دو روش جهت خوشه بندی تصاویر ابرطیفی با استفاده از روش های fcls، ncls و scls نیز ارائه شده است. در روش اول، خوشه بندی توسط الگوریتم fcls صورت می گیرد . توجیه توسعه ی چنین روشی احتمال وجود پیکسل های مختلط در تصاویر ابرطیفی می باشد. در روش دوم نیز از ترکیب روش های fcls، ncls و scls به منظور بهبود عملکرد خوشه بندی استفاده شده است. مقایسه ی نتایج بدست آمده از این روش ها با روش های خوشه بندی fuzzy c-means و k-means، با استفاده از معیار ari، نشان دهنده ی عملکرد مناسب روش های پیشنهادی می باشد.
منابع مشابه
استفاده از مدل زیر پیکسل جاذبه به منظور افزایش قدرت تفکیک مکانی مدل رقومی ارتفاع (DEM)
افزایش قدرت تفکیک مکانی به منظور افزایش میزان اطلاعات در مدل رقومی ارتفاع (DEM) از جمله مهمترین موضوعات در ژئومورفولوژی کمی محسوب میشود. تاکنون مدلهای مختلفی به منظور افزایش قدرت تفکیک مکانی ارائه شده است که از بین مدلها، مدل جاذبه به عنوان جدیدترین مدل، دارای دقت بسیار بالایی میباشد. این مدل برای اولین بار به منظور افزایش قدرت تفکیک مکانی بر روی تصاویر ماهوارهای استفاده شده است. د...
متن کاملارزیابی تطبیقی تکنیک های پردازش پیکسل پایه و شیءگرا در طبقه بندی تصاویر ماهواره ایAster برای استخراج نقشه های اراضی کشاورزی و باغی در حاشیه شرقی دریاچه ارومیه
تحقیق حاضر نمونهای از کاربرد تکنولوژی سنجش از دور در مدیریت منابع کشاورزی است. در این تحقیق با پردازش رقومی تصاویر ماهوارهای Aster خرداد ماه سال2016 نقشههای کاربری اراضی حاشیه شرقی دریاچه ارومیه استخراج شده است. در...
متن کاملمقایسه روش های طبقه بندی پیکسل پایه و شیءگرا در تهیۀ نقشه کاربری اراضی (مطالعه موردی: دشت های اصفهان- برخوار، نجف آباد و چادگان)
الگوریتم های شناسایی تغییرات در تصاویر سنجشازدور به دو دسته پیکسل پایه و شیءگرا بر پایه حداقل واحد پردازش تقسیم می شوند. هدف از این پژوهش مقایسه عملکرد روش های پیکسل پایه و شیءگرا در طبقه بندی کاربری اراضی در دشت های اصفهان- برخوار، نجف آباد و چادگان و بررسی تغییر کاربری اراضی در طول دوره آماری با استفاده از تصاویر لندست (TM (1985 و (OLI (2015 است. طبقه بندی کاربری اراضی شامل قطعه بندی داده ه...
متن کاملسیستم های طبقه بندی کننده ی چندگانه ی نوین درختی به منظور طبقه بندی زمین های کشاورزی از تصاویر نوری و راداری تمام قطبیده
تصاویر نوری و راداری با دریچهی مصنوعی تمامقطبیده (PolSAR)، منابع ارزشمندی برای طبقهبندی زمینهای کشاورزی است. ویژگیهای مستخرج از تصاویر نوری حاوی اطلاعاتی در مورد امضای بازتابی محصولات مختلف است. در مقابل، یک تصویر PolSAR فراهمکنندهی اطلاعاتی در مورد خصوصیات ساختاری و سازوکارهای پراکنش محصولات است. ترکیب این دو منبع قادر به ایجاد یک مجموعهدادهی مکمل با تعداد قابل توجهی از ویژگیهای زمان...
متن کاملطبقهبندی عارضه مبنای تصاویر پلاریمتری سار با استفاده از طبقهبندیکنندههای چندگانه ماشین بردار پشتیبان
طبقه بندی پوشش زمین یکی از کاربرد های مهم استفاده از داده های سنجش از دوری است. از میان تصاویر و دادههای مورد استفاده در این مورد، داده های پلاریمتری راداری به خاطر امکان استخراج ویژگی های زیاد و متنوع میتوانند برای طبقه بندی گزینه مناسبی باشند. در این مقاله یک روش عارضه مبنا برای طبقه بندی مناطق شهری با استفاده از داده های پلاریمتری راداری به صورت تلفیق نتایج پیکسل مبنای طبقه بندی SVM و قطعات...
متن کاملارزیابی شوری خاک سطحی باروش پیکسل مبنا براساس داده های سنجنده TM
شوری خاک و شور شدن اراضی به عنوان یکی از مشکلات فراروی کشاورزی، از اهمیت بالایی برخوردار بوده که بایستی با شناخت صحیح از پیشروی آن جلوگیری شود. اولین گام در این راه شناسایی مناطق شور و تهیه نقشه شوری این خاکها میباشد. این تحقیق با هدف مقایسه نقشههای شوری تهیه شده با انواع الگوریتم</s...
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