بررسی بهبود دقت طبقه بندی با استفاده از ادغام تصویر تک باند ALI با تصاویر ابرطیفی Hyperion
Publish place: Remote Sensing and Iran GIS، Vol: 7، Issue: 3
Publish Year: 1394
نوع سند: مقاله ژورنالی
زبان: Persian
View: 201
This Paper With 18 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_GIS-7-3_005
تاریخ نمایه سازی: 16 آبان 1400
Abstract:
بیشتر الگوریتم های طبقه بندی داده های سنجش از دور براساس ویژگی ها و اطلاعات طیفی پیکسل ها عمل میکنند. این مسئله باعث نادیده گرفتن اطلاعات مکانی سودمند و قابل استخراج بسیاری، مانند بافت تصاویر میشود. محیط شهری بافت ناهمگنی دارد که شناسایی انواع کاربری ها را به فرایندی دشوار و پیچیده تبدیل کرده است. در این پژوهش تاثیر استفاده از بافت تصویر تکباند سنجنده ALI (Advanced Land Imager) بر دقت طبقه بندی تصاویر ابرطیفی سنجنده هایپریون«Hyperion» در محیط های شهری بررسی شد. طبقه بندی با استفاده از روش جنگل های تصادفی[۱] و در پنج سناریوی مختلف انجام شد: سناریوی شماره ۱: طبقه بندی اطلاعات طیفی تصویر ادغام شده به روش [۱]CNT(بدون لحاظ کردن اطلاعات بافت)؛ سناریوهای ۲، ۳، ۴ و ۵: طبقه بندی تصویر CNT با افزوده شدن بردارهای ویژگی بافت حاصل از روش ماتریس هم وقوعی در اندازه های پنجره ۳، ۵، ۷ و ۹ هستند. براساس یافته های این تحقیق، افزودن بافت به طیف تصویر ادغامی به روش CNT دقت طبقه بندی را بهبود چشمگیری داد، به گونه ای که دقت کلی بر اثر افزودن بافت با حدود ده درصد افزایش، از ۸۰.۴۷% به ۹۰.۷۴% رسید. بسیاری از پوشش های کاربری مانند جاده، بافت مسکونی، صنایع کوچک و پراکنده و صنایع متمرکز نیز در زمینه دقت تولیدکننده و مصرفکننده رشد چشمگیری را شاهد بودند. پارامتر خطای OOB[۱] با ۱۱% کاهش، از ۱۹.۸۶ به ۸.۸۷% رسید. بردارهای ویژگی مانند میانگین و کنتراست نیز، توانستند از لحاظ میزان اهمیت در رتبه های بالا قرار گیرند. همچنین، افزایش اندازه پنجره منجر به بهبود بیشتر دقت طبقه بندی شد، به گونه ای که اندازه پنجره ۹ بهترین عملکرد را در پی داشت.
Keywords:
Authors
احمد ملک نژاد یزدی
کارشناس ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، گروه سنجش از دور و GIS، دانشگاه تربیت مدرس
حسن قاسمیان
استاد، دانشکده برق و کامپیوتر، دانشگاه تربیت مدرس
وحید عیسوی
کارشناس ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، گروه سنجش از دور و GIS، دانشگاه تربیت مدرس
علی شهسواری
دانشجوی کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده جغرافیا، دانشگاه تهران
حسن کوشا
کارشناس ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، سازمان نقشه برداری ایران
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 :