طبقه بندی تصاویر ماهواره ای بر اساس تلفیق مدل های مبتنی بر بافت با استفاده از شبکه عصبی MLP
عنوان مقاله: طبقه بندی تصاویر ماهواره ای بر اساس تلفیق مدل های مبتنی بر بافت با استفاده از شبکه عصبی MLP
شناسه ملی مقاله: ICEEE04_212
منتشر شده در چهارمین کنفرانس مهندسی برق و الکترونیک ایران در سال 1391
شناسه ملی مقاله: ICEEE04_212
منتشر شده در چهارمین کنفرانس مهندسی برق و الکترونیک ایران در سال 1391
مشخصات نویسندگان مقاله:
عظیم رضایی مطلق - دانشگاه آزاد اسلامی واحد بوشهر
غلامرضا شهریاری - دانشگاه آزاد اسلامی واحد بوشهر
امیر رضایی مطلق - دانشگاه آزاد اسلامی واحد بوشهر
اصغر ابراهیمی - دانشگاه آزاد اسلامی واحد بوشهر
خلاصه مقاله:
عظیم رضایی مطلق - دانشگاه آزاد اسلامی واحد بوشهر
غلامرضا شهریاری - دانشگاه آزاد اسلامی واحد بوشهر
امیر رضایی مطلق - دانشگاه آزاد اسلامی واحد بوشهر
اصغر ابراهیمی - دانشگاه آزاد اسلامی واحد بوشهر
هدف از ارائه این مقاله، شناسایی اتوماتیک ناحیه های گوناگون در تصاویر ماهواره ای با استفاده از ویژگی بافت می باشد که در دو روش GLCM و طیف فوریه با هم مقایسه می شوند. با ترکیب ویولت گسسته و GLCM یک روش جدید برای شناسایی مناطق شهری ارائه شده است که بعنوان معیاری برای اندازه گیری میزان توسعه یافتگی در مناطق شهری بکمک تصاویر ماهواره ای بکار می رود. در این مقاله با ترکیب GLCM و ویژگیهای فضایی الگوریتمی بیان شده است که در آن 9% بهبود راندمان نسبت به حالتی که تنها از ویژگیهای فضایی استفاده کنیم، بدست می آید. 26 ویژگی از GLCM برای شناسایی مناطق زیستی بکار برده شده است. مشکل تشخیص مناطق مختلف با یک روش جدید مورد بررسی قرار گرفته و منجر به نتایج مطلوب شده است. نتایج شبیه سازی با استفاده از نرم افزار MATLAB/MAGE PROCESSING بر روی یک پایگاه داده ای که تصاویر از آنجا گردآوری شده اند و IKONOS نام دارد، صحت عملکرد سیستم مذکور را تأیید می کند.
کلمات کلیدی: ویژگی بافت، ماتریس GLCM، شبکه عصبی MLP، بردار ویژگی، تصاویر ماهواره ای
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/164289/