نقش قدرت تفکیک مکانی و رادیومتری تصاویر هوایی در تشخیص گونه های درختی به روش طبقه بندی شئ- پایه

Publish Year: 1393
نوع سند: مقاله ژورنالی
زبان: Persian
View: 46

This Paper With 12 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_IJFPR-22-1_013

تاریخ نمایه سازی: 25 دی 1402

Abstract:

حجم بسیار زیاد تصاویر هوایی چند طیفی، منجر به کاهش شدید سرعت پردازش داده ها و بروز مشکلاتی در آرشیو و مدیریت آنها برای تولید نقشه گونه های درختی می شود. بنابراین پژوهش پیش رو به منظور بررسی تاثیر کاهش توان تفکیک مکانی و رادیومتری این تصاویر، در تشخیص گونه های درختی به روش طبقه بندی شئ- پایه در سه منطقه جنگلی مجزا انجام شد. ابتدا تصاویر اصلی (با اندازه تفکیک مکانی ۷ سانتی متر و توان تفکیک رادیومتری ۱۶ بیت) مورد قطعه بندی واقع شده و پس از دستیابی به مطلوب ترین نتیجه، طبقه بندی شدند. سپس به ترتیب با ۲، ۳، ۴، ۵ و ۶ برابر کردن اندازه پیکسل ها و همچنین کاهش عمق رادیومتری از ۱۶ بیت به ۸ بیت، فرایند طبقه بندی بر مبنای همان قطعه بندی و مجموعه باندها، توصیف گرها و نمونه های تعلیمی، مجددا تکرار شده و نتایج به دست آمده مورد ارزیابی صحت قرار گرفتند. طبق نتایج، در هر سه منطقه، با کاهش توان رادیومتری از ۱۶ به ۸ بیت، صحت کلی و ضریب کاپا نسبت به تصاویر اصلی به شکل محسوسی کاهش یافت. اما با کاهش توان تفکیک مکانی، روند یکسانی از تغییرات صحت در این سه منطقه مشاهده نشد. از این رو نتیجه گیری شد که در جنگلکاری های یکدست یا جنگل های با تنوع گونه های درختی کم و آمیختگی گرو هی، افزایش اندازه پیکسل ها تا حد ۴ برابر، در مطالعات اجرایی که با موضوع پژوهش پیش رو انجام می شود، قابل توجیه و توصیه است. اما در جنگل های طبیعی که از تنوع گونه های درختی بیشتری برخوردار بوده و آمیختگی، بیشتر به صورت پایه ای است، افزایش اندازه پیکسل ها باید با احتیاط بیشتری انجام شده و تحقیقی مشابه پژوهش پیش رو باید در قسمت هایی از آنها انجام شود.

Keywords:

UltraCamD , قطعه بندی تصویر , طبقه بندی شئ- پایه , قدرت تفکیک مکانی و رادیومتری

Authors

امید رفیعیان

هیات علمی دانشگاه آزاد اسلامی واحد تبریز

علی اصغر درویش صفت

هیات علمی دانشگاه تهران

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 :
  • Baltsavias, E., Eisenbeiss, H., Akca, D., Waser, L.T., Kuckler, M., ...
  • Benz, U.C., Hoffmann, P., Willhauck, G., Lingenfelder, I. and Heynen, ...
  • Bohlin, J., Olsson, H., Olofsson, K. and Wallerman, J. ۲۰۰۷. ...
  • Definiens, A.G. ۲۰۰۶. Definiens Professional۵ User Guide. The Image Intelligence ...
  • Heikkinen, V., Korpela, I., Tokola, T., Honkavaara, E. and Parkkinen, ...
  • Hirschmugl, M., Ofner, M., Raggam, J. and Schardt, M. ۲۰۰۷. ...
  • Honkavaara, E., Markelin, L., Ahokas, E., Kuittinen R. and Peltoniemi, ...
  • Kaartinen, H., Hyyppä, J., Yu, X., Vastaranta, M., Hyyppä, H., ...
  • Knight, J.F. and Lunetta, R.S. ۲۰۰۳. An experimental assessment of ...
  • Ozdemir, I., Norton, D.A, Ozkan, U.Y., Mert, A. and Senturk, ...
  • Rafieyan, O., Darvishsefat, A.A., Babaii, S. and Mattaji, A. ۲۰۱۱. ...
  • Rama Rao, N., Garg, P.K. and Ghosh, S.K. ۲۰۰۷. Evaluation ...
  • Schiewe, J. ۲۰۰۲. Segmentation of high-resolution remotely sensed data concepts, ...
  • Shabanipoor, M. ۲۰۱۱. Investigation on the possibility of reconnaissance of ...
  • Waser, L.T., Ginzler, C., Kuechler, M., Baltsavias, E. and Hurni, ...
  • Yu, Q., Gong, P., Clinton, N., Biging, G., Kelly M. ...
  • نمایش کامل مراجع