مقایسه الگوریتم های ماشین بردار پشتیبان و نزدیکترین همسایه جهت طبقه بندی تصاویر در روش شی ء گرا با استفاده از داده های ماهواره ی سنتینل 2

Publish Year: 1396
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 486

This Paper With 7 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:

ESTAHBANCCE02_135

تاریخ نمایه سازی: 16 تیر 1397

Abstract:

طبقه بندی صحیح عوارض محیطی در تصاویر ماهواره ای یکی از دغدغه های اصلی کاربران سنجش از دور می باشد که بسیاری از الگوریتم ها برای این منظور توسعه یافته اند. این بررسی مقایسه ای است بین الگوریتم های ماشین برداز پشتیبان (svm) و نزدیکترین همسایه (knn) در طبقه بندی تصاویر ماهواره ای. در این بررسی از هر دو الگوریتم جهت طبقه بندی محدوده ی شهر شیراز با استفاده از داده های ماهواره سنتینل2 استفاده شده است.کلاسه بندی در روش شی ء گرا با الگوریتم svm در کرنل شعاعی با گامای0/03 و الگوریتم knn با تعداد k=1 همسایه صورت گرفته است و تصویر با سطح مقیاس(50 (scale level درصد و سطح ادغام (merge level) به مقدارهای 50 و 75 و 95 درصد کلاسه بندی شده اند. نتایج نشان می دهند که الگوریتم svm با میانگین ضریب کاپای 0/77 از کارایی بیشتری نسبت به الگوریتم knn با ضریب کاپای 0/68 برخوردار است.

Keywords:

Authors

علی زارع خفری

دانشجوی کارشناسی ارشد مهندسی نقشه برداری-سیستم های اطلاعات جغرافیایی دانشگاه آزاد استهبان.

علیرضا حامدیان فر

استادیار گروه نقشه برداری، استهبان، دانشگاه آزاد اسلامی، استهبان، ایران.