Thesis

تجزیه و تحلیل و مدل سازی اطلاعات مکانی جهت طبقه بندی تصاویر ابرطیفی

Download full textFree with an account; signing up with Google takes seconds

Abstract(in Persian; no English abstract is available)

کم بودن تعداد نمونه های آموزشی نسبت به تعداد باندهای تصویر یک مشکل اساسی طبقه بندی داده های ابرطیفی، می باشد. در این تحقیق با ترکیب دو رویه طبقه بندی طیفی -مکانی، یکی بر اساس استفاده از ناحیه بندی به منظور تعریف همسایگی وفقی برای هر پیکسل و دیگری بر پایه استفاده از مدل mrf مبتنی بر پنجره ثابت، مشکل محدود بودن تعداد نمونه های آموزشی در طبقه بندی تصاویر ابرطیفی، تعدیل یافته است. در ابتدا روشی کارا برای احتمالاتی کردن خروجی طبقه بند svm معرفی می گردد. این احتمال‏های کلاس بدست آمده در قاعده پیشنهادی رأی گیری اکثریت مطمئن (cmv) جهت ترکیب نتایج ناحیه بندی و طبقه بندی احتمالاتی ابتدایی استفاده می شوند. نتایج طبقه-بندی دو تصویر واقعی aviris و rosis نشان می دهد که این قاعده صحت طبقه بندی را به ترتیب 77/5 و 07/6 درصد در مقایسه با قاعده سنتی رأی گیری اکثریت (mv)، بهبود می دهد. در رویه ای دیگر، برچسب پیکسل های نامطمئن (پیکسل های مرزی) نقشه طبقه بندی ابتدایی، با استفاده از مدل svm-mrf اصلاح می شوند. این روش پیشنهادی نیز علاوه بر بهبود صحت میانگین، در مقایسه با روش سنتی svm-mrf که بر روی کل تصویر اعمال می شود، صحت طبقه بندی را برای تصاویر aviris و rosis، به ترتیب 40/2 و 54/7 درصد با زمان پردازش به مراتب کمتر بهبود می دهد. صحت نهایی طبقه بندی دو تصویر aviris و rosis با استفاده از این روش ترکیبی، به ترتیب 11/89 و 09/96 درصد است که نشان می دهد بر خلاف اغلب روش های پیشنهاد شده پیشین که هر پیکسل را به تنهایی و بدون در نظر گرفتن اطلاعات ساختارهای مکانی پردازش می کنند، الگوریتم طیفی-مکانی پیشنهادی با نمونه های آموزشی کم می تواند طبقه‏بندی مطلوبی را انجام دهد.

Supervisors and advisors

محمدحسن قاسمیان یزدی

Similar theses

  • به کارگیری روشهای مبتنی بر استفاده از زیرفضا در طبقه بندی تصاویر ابرطیفی

    Thesis2013وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسی - دانشکده نقشه برداریرضا آقایی

    غنای طیفی تصاویر ابرطیفی به اندازه ای بالاست که آن ها را برای بسیاری از کاربردها مناسب می نماید. استفاده از این استعداد نهفته البته با چالش هایی نیز همراه می باشد. در زمینه ی طبقه بندی نظارت شده یکی از این چالش ها نیاز به تعداد نمونه های آموزشی بیشتر است. در طبقه بندی این مساله ت

  • طبقه بندی تصاویر ابرطیفی و حذف وابستگی های غیرخطی بین آن

    Thesis2012وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس - دانشکده مهندسی برق و کامپیوترمهدی کماندار

    امروزه تصاویر ابرطیفی یکی از مهمترین ابزارهای علم سنجش از دور هستند. استفاده از این تصاویر در کاربردهای مختلف مانند کشاورزی، جنگلداری، مطالعه پوشش های گیاهی، شناسایی آلودگی ها، اکتشاف منابع طبیعی و معدنی، زمین شناسی، کاربردهای نظامی نتایج قابل توجهی را کسب کرده است. با توجه به پی

  • طبقه بندی تصاویر ابرطیفی با استفاده از ماشین بردار پشتیبان

    Thesis2011وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسی - دانشکده نقشه برداریزیبا زرین

    در این تحقیق به پیاده سازی و ارزیابی الگوریتم ماشین های بردار پشتیبان در تصاویر ابرطیفی پرداخته شده است. در طبقه بندی تصاویر ابرطیفی به علت ابعاد زیاد، کم بودن نمونه های آموزشی، تغییرات مکانی امضای طیفی، وجود نویز دارای چالش هایی هستیم. با توجه به مشکلات مطرح شده در طبقه بندی تصا

  • استفاده از روش های شئ گرا در طبقه بندی تصاویر ابرطیفی

    Thesis2011وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسیاحمد هداوند

    غنای داده های طیفی موجود در تصاویر ابرطیفی امکان مناسبی را برای تفکیک کلاس های مختلف عوارض موجود در صحنه تصویربرداری فراهم می کند. اما با اتکا به اطلاعات طیفی موجود در بردار ویژگی طیفی پیکسل ها نمی توان به حداکثر دقت ممکن طبقه بندی دست یافت. روش های مختلفی به منظور بهبود دقت طبقه

  • طبقه بندی تصاویر ابرطیفی با استفاده از مشتق گیری در فضای طیفی

    Thesis2011وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسی - دانشکده نقشه برداریمصطفی اوجاقلو

    داده های ابرطیفی اطلاعات بسیار زیادی را از اهداف زمینی جمع آوری می نمایند به گونه ای که با این اطلاعات می توان اهداف زمینی را به خوبی شناسایی کرد. روش های متعددی برای استخراج اطلاعات از داده های ابرطیفی وجود دارد، که از آن جمله می توان به روش مشتق گیری از طیف بازتابندگی و استفاده

  • طبقه بندی تصاویر ابرطیفی با استفاده از اطلاعات مکانی

    Thesis2008وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرساحمد کشاورز

Similar items