Publisher of Iranian Journals and Conference Proceedings

Please waite ..
Publisher of Iranian Journals and Conference Proceedings
Login |Register |Help |عضویت کتابخانه ها
Paper
Title

طبقه بندی تصاویر چندطیفی با قدرت تفکیک مکانی متوسط، با استفاده از شاخص های مکانی و حرارتی

نشریه سنجش از دور و GIS ایران، دوره: 9، شماره: 2
Year: 1396
COI: JR_GIS-9-2_007
Language: PersianView: 29
This Paper With 15 Page And PDF Format Ready To Download

Buy and Download

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این Paper را که دارای 15 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

Authors

علی شمس الدینی - استادیار گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشگاه تربیت مدرس، تهران
شهربانو اسماعیلی - دانشجوی کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران

Abstract:

در طبقه بندی تصاویر با قدرت تفکیک مکانی متوسط، مانند لندست، تمایز اراضی کشاورزی بدون پوشش گیاهی از زمین های بایر و همچنین، شناسایی زمین های بایر از مناطق ساخته شده معمولا دشوار و همراه با خطاست. به همین علت در این مطالعه، ترکیب های متفاوتی از ویژگی های ورودی، به روش های طبقه بندی، به منظور بررسی امکان ارتقای دقت طبقه بندی مقایسه شد. داده های ورودی شامل باندهای طیفی تصویر لندست-۷، ویژگی های بافتی شامل ماتریس وقوع هم زمان گام های خاکستری و شاخص های حرارتی و مکانی پیشنهادی در این تحقیق است. در بررسی حاضر، به منظور طبقه بندی سناریوهای متفاوت، از سه روش طبقه بندی شامل بیشترین میزان شباهت، شبکه عصبی و ماشین بردار پشتیبان با هسته های متفاوت استفاده شد. نتایج نشان داد که ادغام تمامی داده های ورودی و استفاده از روش ماشین بردار پشتیبان با هسته پایه شعاعی، با صحت کلی ۸۱/۹۸% و ضریب کاپا ۲۵/۹۸%، ممکن است نتایجی بهتر از دیگر روش ها و سناریوها داشته باشد. همچنین، در تحلیل اهمیت متغیرهای ورودی، با استفاده از روش انتخاب ویژگی برپایه جنگل تصادفی، مشخص شد که شاخص های پیشنهادی در این مطالعه نقش مهمی در طبقه بندی با صحت بالا و کارآمد داشته اند.

Keywords:

Paper COI Code

This Paper COI Code is JR_GIS-9-2_007. Also You can use the following address to link to this article. This link is permanent and is used as an article registration confirmation in the Civilica reference:

https://civilica.com/doc/1300797/

How to Cite to This Paper:

If you want to refer to this Paper in your research work, you can simply use the following phrase in the resources section:
شمس الدینی، علی و اسماعیلی، شهربانو،1396،طبقه بندی تصاویر چندطیفی با قدرت تفکیک مکانی متوسط، با استفاده از شاخص های مکانی و حرارتی،https://civilica.com/doc/1300797

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :

  • Afifi, A., ۲۰۱۴, Laguerre Kernels – Based SVM for Image ...
  • As-syakur, A.R., Adnyana, I.W.S., Arthana, I.W., Nuarsa, I.W., ۲۰۱۲, Enhanced ...
  • Bastitella, D.L.U. & Moran, E., ۲۰۰۷, Land-Cover Classification in the ...
  • Belgiu, M. & Dragut, L., ۲۰۱۶, Random Forest in Remote ...
  • Bishop, C.M., ۲۰۰۷, Pattern Recognition and Machine Learning, Springer. USA, ...
  • Chen, C.H. & Young, G.K., ۱۹۸۲, A Study of Texture ...
  • Chu, H.T., Ge, L., Ng, A.H.N. & Rizos, C., ۲۰۱۲, ...
  • Cristianini, N. & Taylor, J.S., ۲۰۰۰, An Introduction to Support ...
  • Devadas, R., Denham, R.J. & Pringle, M., ۲۰۱۲, Support Vector ...
  • Eiumnoh, A. and Shrestha, R.P., ۲۰۰۰, Application of DEM Data ...
  • Fauvel, M., Chanussot, J. & Benediktsson, J.A., ۲۰۱۲, A Spatial-Spectral ...
  • Otukei, J.R. & Blaschke, B., ۲۰۱۰, Land Cover Change Assessment ...
  • Gao, J., Xu, L. & Huang, F., ۲۰۱۶, A Spectral-Textural ...
  • Hughes, G.F., ۱۹۶۸, On the Mean Accuracy of Statistical Pattern ...
  • Haralick, R., Shanmugam, K. & Dinstein, I., ۱۹۷۳, Textural Features ...
  • Hulchinson, C.K., ۱۹۸۲, Techniques for Combining Landsat and Ancillary Data ...
  • Herold, M., Gardner, M.E. & Roberts, D.A., ۲۰۰۳, Spectral Resolution ...
  • Jin, M. & Liang, Sh., ۲۰۰۶, An Improved Land Surface ...
  • Kavazoglu, T. & Colkesen, I., ۲۰۰۹, A Kernel Functions Analysis ...
  • Kurosu, T., Yokoyama, S., Fujita, M. & Chiba, K., ۲۰۰۱, ...
  • Li, S. & Chen, X., ۲۰۱۴, A New Bare-Soil Index ...
  • Lu, D. & Weng, Q., ۲۰۰۶, Use of Impervious Surface ...
  • Lo, C.P. & Chol, J., ۲۰۰۴, A Hybrid Approach to ...
  • Lu, D. & Weng, Q., ۲۰۰۵, Urban Classification Using Full ...
  • Li, C., Wang, J., Wang, L., Hu, L. & Cong, ...
  • Melgani, G. & Bruzzone, L., ۲۰۰۴, Classification of Hyperspectral Remote ...
  • Nguyen, T., Huang, J.Z. & Nguyen, T., ۲۰۱۵, Unbiased Feature ...
  • Oommen, T., Misra, D., Twarakavi, N., Prakash, A., Sahoo, B. ...
  • Raval, S. & Shamsoddini, A., ۲۰۱۴, A Monitoring Framework for ...
  • Richards. J.A., ۲۰۱۳, Remote Sensing Digital Image Analysis, Springer, Springer.Verlag ...
  • Ruiz, L.A., Sarria, A.F. & Recio, J.A., ۲۰۰۴, Texture Feature ...
  • Snyder, W.C., Wan, Z., Zhang, Y. & Feng, Z., ۱۹۹۸, ...
  • Shaban, M. & Dikshit, O., ۲۰۰۱, Improvement of Classification in ...
  • Stehman, S.V., ۱۹۹۷, Estimating Standard Errors of Accuracy Assessment Statistics ...
  • Sim, J. & Wright, C.C., ۲۰۰۵, The Kappa Statistic in ...
  • Waqar, M.M., Miraza, J.F., Mumtaz, R. & Hussain, E., ۲۰۱۲, ...
  • Https://www.usgs.gov/faqs/what-are-band-designations-landsat-satellites-۰?qt-news_science_products=۷qt-news_science_products ...
  • Shi, X., & Xue, B., ۲۰۱۶, Parallelizing Maximum Likelihood Classification ...
  • Yuan, H.F.C., Wlele, V. & Khorram, S., ۲۰۰۹, An Automated ...
  • Zhang, J., Li, P. & Wang, J., ۲۰۱۴, Urban Built-Up ...
  • Zhu, C., ۱۹۹۶, Remote Sensing Image Texture Analysis and Classification ...

Research Info Management

Certificate | Report | من نویسنده این مقاله هستم

اطلاعات استنادی این Paper را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

Scientometrics

The specifications of the publisher center of this Paper are as follows:
Type of center: دانشگاه دولتی
Paper count: 34,218
In the scientometrics section of CIVILICA, you can see the scientific ranking of the Iranian academic and research centers based on the statistics of indexed articles.

Share this page

More information about COI

COI stands for "CIVILICA Object Identifier". COI is the unique code assigned to articles of Iranian conferences and journals when indexing on the CIVILICA citation database.

The COI is the national code of documents indexed in CIVILICA and is a unique and permanent code. it can always be cited and tracked and assumed as registration confirmation ID.

Support