طبقه بندی تصاویر سنجش از دور با استفاده از ویژگی های بافت
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس - دانشکده برق و کامپیوتر
- نویسنده علی دهقان منشادی
- استاد راهنما محمد حسن قاسمیان یزدی
- سال انتشار 1393
چکیده
نقشه های کاربری و پوشش های زمینی، در برنامه ریزی های کشوری از اهمیت خاصی برخوردار است. امروزه سنجش از دور موثرترین روش در تهیه ی اطلاعات پوشش های زمینی محسوب می شود. پس از تهیه ی تصاویر با طبقه بندی خودکار آن ها، نقشه های پوشش زمینی تولید می شوند. فرآیند طبقه بندی به دو مرحله استخراج ویژگی های تصویر و طبقه بندی خودکار این ویژگی ها به کلاس های پوشش زمینی تقسیم می شود. ویژگی های مزبور می توانند مربوط به خواص طیفی یا مکانی تصویر باشند. یکی از ویژگی های مکانی، بافت است. بافت توصیفی از خواص یک ناحیه از تصویر می باشد که درکی از صافی، زبری، باقاعده و یا بی قاعده بودن تغییرات در ناحیه ای از تصویر را در بیننده القا می کند. در این پایان نامه تمرکز ما بر بهبود طبقه بندی تصاویر تک باند سنجش از دور (pan) با استفاده از ویژگی های بافت می باشد.
منابع مشابه
مقایسه الگوریتمهای طبقه بندی بر روی تصاویر ماهوارهای سنجش از دور
اگرچه تعداد بسیار زیادی الگوریتم طبقهبندی برای تصاویر ارائه شده، اما به ندرت بر روی یک مورد یکسان بایکدیگر مقایسه شدهاند. در این مقاله، تصاویر ماهوارههای سنجش از دور با استفاده از دو روش الگوریتم طبقهبندی بدون نظارت و هشت الگوریتم طبقهبندی با نظارت که شامل تعدادی از الگوریتمهای رایج طی بیست سال اخیر است، آزموده شدند. تحلیل ما بر روی تصاویر ماهوارهای 12 طیفی متمرکز است. در مقایسه الگوریتم...
متن کاملطبقه بندی ضایعه های پوستی از روی تصاویر درموسکپی با استفاده از ویژگی های رنگ و شکل
در این پژوهش الگوریتم جدیدی برای طبقهبندی تصاویر درموسکپی به دو نوع بدخیم و خوشخیم ارائه شده است. ابتدا یک مرحله پیشپردازش دو مرحلهای شامل فیلترگذاری جهت حذف نویز و فیلتر همومورفیک جهت ارتقاء کیفیت تصویر اعمال میشود. سپس با استفاده از روش آستانهگذاری Otsu ضایعه از نواحی سالم جدا میشود. سپس ویژگیهای شکل و رنگ از تصویر قطعهبندی شده، استخراج میشود. ویژگی های رنگ مبتنی بر ممانهای ...
متن کاملطبقه بندی ضایعه های پوستی از روی تصاویر درموسکپی با استفاده از ویژگی های رنگ و شکل
در این پژوهش الگوریتم جدیدی برای طبقهبندی تصاویر درموسکپی به دو نوع بدخیم و خوشخیم ارائه شده است. ابتدا یک مرحله پیشپردازش دو مرحلهای شامل فیلترگذاری جهت حذف نویز و فیلتر همومورفیک جهت ارتقاء کیفیت تصویر اعمال میشود. سپس با استفاده از روش آستانهگذاری Otsu ضایعه از نواحی سالم جدا میشود. سپس ویژگیهای شکل و رنگ از تصویر قطعهبندی شده، استخراج میشود. ویژگی های رنگ مبتنی بر ممانهای ...
متن کاملمقایسه الگوریتم های طبقه بندی بر روی تصاویر ماهواره ای سنجش از دور
اگرچه تعداد بسیار زیادی الگوریتم طبقهبندی برای تصاویر ارائه شده، اما به ندرت بر روی یک مورد یکسان بایکدیگر مقایسه شدهاند. در این مقاله، تصاویر ماهواره های سنجش از دور با استفاده از دو روش الگوریتم طبقهبندی بدون نظارت و هشت الگوریتم طبقهبندی با نظارت که شامل تعدادی از الگوریتم های رایج طی بیست سال اخیر است، آزموده شدند. تحلیل ما بر روی تصاویر ماهواره ای 12 طیفی متمرکز است. در مقایسه الگوریتم...
متن کاملطبقه بندی زعفران با استفاده از ویژگی های رنگی استخراج شده از تصویر
طبقهبندی زعفران به عنوان گرانترین ادویه از اهمیت بالایی برای مشتریان و تجار برخوردار است. به طور کلی، در حال حاضر دو روش برای درجهبندی زعفران استفاده میشود. روش اول براساس تجربیات فرد خبره و با مشاهده نمونهها انجام میشود. روش دوم تخریبی بوده و با استفاده از متدهای آزمایشگاهی انجام میگیرد. طبق نظر متخصصان، استفاده از تکنیکهای یادگیری ماشین برای طبقهبندی زعفران به دلیل داشتن ماهیت غیر مخ...
متن کاملبررسی پوشش گیاهی تالاب با استفاده از طبقه بندی ترکیبی تصاویر سنجش از دور
تالاب ها از مناظر مهمی هستند که می توانند در نگهداری و رهاسازی آرام آب سیلاب، بازسازی آب های زیرزمینی، فیلتر پاک کننده آب آلوده و بهبود کیفی آن، و فراهم کردن زیستگاه حیات وحش برای گونه های در معرض تهدید و خطر، استفاده شوند. پوشش گیاهی یک بخش مهم سیستم زیست محیطی تالاب را تشکیل داده است. پوشش گیاهی فراهم کننده پناهگاه و زیستگاه پرندگان آبزی و کنار آبزی است. در این تحقیق با توجه به تناسب تفکیک مک...
منابع 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 - دانشکده برق و کامپیوتر
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023