ارتقاء دقت طبقهبندی تلفیق دادههای راداری و اپتیکی مبتنی بر الگوریتم نوین MICO-SR
Publish place: اولین کنفرانس بین المللی مخاطرات طبیعی و بحران های زیست محیطی ایران، راهکارها و چالش ها
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 645
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICINH01_241
تاریخ نمایه سازی: 5 بهمن 1395
Abstract:
در این مقاله الگوریتم نوین SR-MICO به منظور ارتقاء دقت طبقهبندی مبتنی بر تلفیق دادههای نوین راداری و اپتیکی -SENTINEL 1 و 2-SENTINEL معرفی و پیشنهاد میگردد. این الگوریتم قادر است پس از تصحیح همپوشانی دامنه روشنایی در تصاویر، آموزش و p,L2 انجام دهد. لذا پس انتخاب نظارت شده ویژگیهای استخراج شده از تصاویر را با استفاده از الگوریتم نظم دهی تنک مبتنی بر norm- از تصحیح همپوشانی دامنه روشنایی در تصاویر مبتنی بر الگوریتم تعدیل مولفههای ذاتی تصویر، ویژگیهای مهمی همچون ویژگیهای حاصل از فاکتورگیری ماتریس نامنفی (NMF (و ویژگیهای بافتی حاصل از ماتریس هم رخداد درجات خاکستری (GLCM ،(تبدیل موجک و فیلتر گابور از تصاویر استخراج میگردد. پس از بازسازی چند فضای ویژگی با ترکیب ویژگیهای فوق الذکر، بهینه سازی ماتریس ویژگیها مبتنی بر نظم دهی تنک انجام میشود. نتایج نشان میدهد که بکارگیری ماتریس ویژگیهای بهینه حاصل از الگوریتم پیشنهادی SR-MICO بعنوان ورودی طبقهبندی5 RoF باعث بهبود قابل توجهی در نتایج طبقهبندی تلفیق دادههای راداری و اپتیکی شده است.
Keywords:
تلفیق دادههای راداری و اپتیکی , تعدیل مولفههای ذاتی تصویر , آموزش نظارت شده ویژگیها , فیلتر گابور , NMF , .SENTINEL
Authors
دانیا کریمی
دانشجوی کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده علوم زمین، دانشگاه شهید چمران اهواز،
کاظم رنگزن
دانشیار گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده علوم زمین، دانشگاه شهید چمران اهواز ،
غلامرضا اکبری زاده
استادیار گروه برق، دانشکده مهندسی، دانشگاه شهید چمران اهواز
مصطفی کابلی زاده
استادیار گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده علوم زمین، دانشگاه شهید چمران اهواز ،
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 :