تشخیص سازه های ساخت بشر از منابع طبیعی در تصاویر هوایی با استفاده از الگوریتم فرا ابتکاری رقابت استعماری

Publish Year: 1399
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 286

This Paper With 10 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

DCBDP06_048

تاریخ نمایه سازی: 25 اسفند 1399

Abstract:

تصاویر بدست آمده از تصویربرداری هوایی با وضوح و کیفیت بالا، این امکان را به ما می دهد که مستقیما تصاویر هوایی را با الگوهای ساختاری و فضایی آنها مدل کنیم. شناسایی عوارض مختلف موجود در یک تصویر هوایی، یک مسئله مهم و حیاتی از نظر مطالعات جمعیت شناختی و زیست شناختی است. در واقع، ایجاد تفکیک دقیق و مناسب در تصاویر هوایی اطلاعات مناسبی نسبت به عوارضموجود در سطح زمین حاصل می شود. بر این اساس، این پژوهش مسئله شناسایی عوارض مختلف موجود در تصاویر هوایی پرداخته است. در این راستا، با تبدیل مسئله شناسایی عوارض موجود در تصاویر به یک مسئله دسته بندی، به ارائه یک رویکرد ترکیبی پرداخته شده است. در این رویکرد، ابتدا تمام تصاویر توسط روش خوش هبندی SLIC به نواحی کوچک همگن تجزیه شده اند. سپس، انواعمختلفی از ویژگی های رنگی و بافتی در کنار ویژگی های نمایه ریخت شناختی توسعه یافته EMP از تصاویر استخراج شده اند. همچنین، برای کاهش اندازه و حذف افزونگی های موجود در ویژگی های استخراج شده از الگوریتم رقابت استعماری برای انتخاب زیرمجموع های بهینه از ویژگی ها بهره گرفته شده است. در نهایت، در قالب روش بوستینگ تطبیقی چند شبکه عصبی پرسپترون چندگانه با یکدیگر ترکیب شده و به عنوان مدل دسته بندی مورد استفاده قرار گرفته اند. کارایی رویکرد پیشنهادی این پژوهش توسط معیارهای سنجش کیفیت دسته بندی صحت، دقت، حساسیت و F-score ارزیابی شده و با دو روش شناخته شده مورد مقایسه قرار گرفته اند. همچنین، با رویکرد تحلیل حساسیت تأثیر حضور ویژگی های EMP و انتخاب ویژگی توسط الگوریتم رقابت استعماری مورد بررسی قرار گرفته است. نتایج نشان دادند که رویکرد پیشنهادی دقت بالاتری را در شناسایی عوارش موجود در تصاویر هوایی ارائه کرده است. همچنین، استخراج ویژگی های EMP و اضافه شدن این نوع ویژگی به مجموعه ویژگی ها معیار صحت به طور میانگین ده درصد معیار دقت 5 تا هفت درصد و حساسیت نیز از سه تا پنج درصد افزایش داشته است (با توجه به روش دسته بندی متفاوت است)

Keywords:

تصاویر هوایی فراطیفی , الگوریتم رقابت استعماری , بوستینگ تطبیقی , شبکه عصبی مصنوعی پرسپترون چندگانه , ویژگی های نمایه ریخت شناختی توسعه یافته

Authors

زهرا کمانکش

دانشجوی کارشناسی ارشد فناوری اطلاعات، دانشگاه شهید مدنی آذربایجان، تبریز، ایران

ناصر فرج زاده

هیئت علمی دانشکده فناوری اطلاعات و مهندسی کامپیوتر، دانشگاه شهید مدنی آذربایجان تبریز ایران