پایان‌نامه

طبقه بندی تصاویر پلاریمتری sar بر اساس مدل سازی اطلاعات همسایگی و ویژگی های بافت

علی مسجدی

چکیده

تحقیقات اخیر نشان داده است که طبقه بندی تصاویر سنجش ازدور با کمک روش هایی که از اطلاعات مکانی در کنار اطلاعات طیفی استفاده می کند، نسبت به روش های مبتنی بر فقط اطلاعات طیفی، دقیق تر می باشد. اگرچه طبقه بندی به روش ماشین بردار پشتیبان دارای نتایج دقیق در بیشتر تصاویر سنجش ازدور می باشد ولی این طبقه بندی کننده ذاتا بر مبنای فقط اطلاعات تک پیکسل عمل می کند، که این یک محدودیت برای استفاده از آن می باشد. در این مقاله، تلفیق ماشین بردار پشتیبان با میدان های تصادفی مارکوف به منظور طبقه بندی داده های پلاریمتری رادار با روزنه مصنوعی از یک منطقه شامل گونه های مختلف جنگلی، پوشش گیاهی و آب بر اساس افزودن اطلاعات مکانی انجام می شود. به منظور انتخاب ویژگی های پلاریمتری مناسب و همچنین برآورد خودکار پارامترهای بهینه مورد نیاز، از الگوریتم ژنتیک استفاده می شود. در نهایت نتایج نشان می دهد دقت کلی طبقه بندی با روش پیشنهادی نسبت به روش ماشین بردار پشتیبان، حدود 6 درصد بهبود داشته است.

اساتید راهنما و مشاور

محمدجواد ولدان زوج، یاسر مقصودی

پایان‌نامه‌های مشابه

  • طبقه بندی تصاویر پلاریمتری sar با استفاده از میدان های تصادفی مارکوف

    پایان‌نامه۲۰۱۳وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسی - دانشکده نقشه برداریاکبر درگاهی

    جمع آوری داده توسط سنجش از دور یک مرحله اساسی در مدیریت پایدار زمین می باشد. یکی از پردازش های مهم و پرکاربرد بر روی تصاویر سنجش از دور، طبقه بندی است. از دیدگاه تصمیم گیری، نقشه های حاصل از طبقه بندی می توانند مفید واقع شوند، زیرا، این الگوریتم ها اطلاعات پیچیده طیفی- مکانی را د

  • طبقه بندی دانش مبنای تصاویر پلاریمتری sar با استفاده از اطلاعات فیزیکی

    پایان‌نامه۲۰۱۴وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسی - دانشکده نقشه برداریمحسن جعفری

    طبقه¬بندی پوشش¬های زمین یکی از مهم¬ترین و ابتدایی¬ترین تحلیل¬های داده¬های سنجش-ازدور است. داده پلاریمتری رادار با روزنه¬ی مجازی فرم جدیدی از داده¬های راداری است که در بسیاری از زمینه¬های سنجش¬ازدور به¬عنوان یک ابزار پیشرفته استفاده می¬شود. روش¬های مختلفطبقه¬بندی داده پلاریمتری به

  • تعیین پارامترهای بهینه در تصاویر پلاریمتری sar به منظور بهبود طبقه بندی پوشش زمینی

    پایان‌نامه۲۰۱۳وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسی - دانشکده نقشه برداریمریم صالحی فراهانی

    طبقه بندی پوشش زمین بویژه در مناطق شهری یکی از مهم ترین کاربردهای تصاویر پلاریمتری sar (polsar) محسوب می شود. به منظور استفاده از پتانسیل بالای اطلاعاتی این تصاویر ویژگی های متعددی را می توان از آن ها استخراج کرد. اگرچه هر یک از این ویژگی ها می تواند اطلاعات مناسبی را درباره عوار

  • استخراج ویژگی های مناسب برای بهبود طبقه بندی تصاویر اشعه x پزشکی بر اساس محتوا

    پایان‌نامه۲۰۱۰وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی شیراز - دانشکده برق و الکترونیکسید محمد محمدی

    با افزایش روز افزون تصاویر اشعه x پزشکی، نیاز به ابزارهای طبقه بندی کننده و بازیابی این دسته از تصاویر که دارای قابلیت و توانایی بالایی نیز باشند، افزایش یافته است. رکن اساسی بازیابی تصاویر اشعه x بر اساس محتوا، طبقه بندی آنها است. بنابراین، در صورتی که طبقه بندی موفق و مناسبی حا

  • روش های ترکیبی در طبقه بندی تصاویر بافت با استفاده از مجموعه? ویژگی ها و طبقه بندی کننده های بهینه

    پایان‌نامه۲۰۱۳وزارت علوم، تحقیقات و فناوری - دانشگاه بیرجند - دانشکده برق و کامپیوترداود پناهنده

    الگو یک شی انتزاعی است که با استفاده از یک سری ویژگی ها تعریف شود، بازشناسی الگو سیستمی می باشد که قادر خواهد بود الگوی ناشناخته ای را تشخیص و در دسته مربوطه قرار دهد. یکی از مهمترین بخشهای سیستم بازشناسی الگو، مرحله ی استخراج ویژگی میباشد. استخراج بردار ویژگی مناسب از الگوی ورود

  • طبقه بندی تصاویر سنجش از دور با استفاده از ویژگی های بافت

    پایان‌نامه۲۰۱۴وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس - دانشکده برق و کامپیوترعلی دهقان منشادی

    نقشه های کاربری و پوشش های زمینی، در برنامه ریزی های کشوری از اهمیت خاصی برخوردار است. امروزه سنجش از دور موثرترین روش در تهیه ی اطلاعات پوشش های زمینی محسوب می شود. پس از تهیه ی تصاویر با طبقه بندی خودکار آن ها، نقشه های پوشش زمینی تولید می شوند. فرآیند طبقه بندی به دو مرحله است

اسناد مشابه