زیبا بتوندی؛ رامین علایی روزبهانی
چکیده
یکی از روش های پرکاربرد استخراج اطلاعات موجود در تصاویر سنجش از دور، طبقه بندی می باشد که امکان تهیه انواع نقشه های توزیع جغرافیایی پدیده ها از قبیل خاک، آب، گیاه را می دهد، از آنجا که هدف اصلی از پردازش تصاویر ماهوارهای، تهیه نقشههای موضوعی و کارآمد میباشد، انتخاب الگوریتم مناسب طبقهبندی نقش زیادی در این امر ایفاء میکند. ...
بیشتر
یکی از روش های پرکاربرد استخراج اطلاعات موجود در تصاویر سنجش از دور، طبقه بندی می باشد که امکان تهیه انواع نقشه های توزیع جغرافیایی پدیده ها از قبیل خاک، آب، گیاه را می دهد، از آنجا که هدف اصلی از پردازش تصاویر ماهوارهای، تهیه نقشههای موضوعی و کارآمد میباشد، انتخاب الگوریتم مناسب طبقهبندی نقش زیادی در این امر ایفاء میکند. در روش های پارامتری از قبیل حداکثر احتمال و حداقل فاصله مشکل اصلی وابستگی آن ها به توزیع آماری داده های ورودی می باشد. محققان در راستای بهبود و توسعه تکنیکهای طبقه بندی تلاش های را انجام دادند که می توان از تکنیک های شبکه های عصبی نام برد که روشی ناپارامتری بوده و به توزیع خاصی وابسته نیست . تعیین کلاس های و نمونه های مورد نظر جهت طبقه بندی کاربری پوشش زمین با استفاده از عملیات میدانی، نقشه های توپوگرافی، عکس های هوایی و نقشه موجود انجام شد و چهار کلاس پوشش گیاهی، ساخت و ساز، آب و فضای باز انتخاب گردید. پس از اعمال دو الگوریتم شبکه عصبی و حداکثر احتمال بر روی تصویر ماهوارهای لندست8 با سنجنده هایOLI TIRS ، نقشه پوشش زمین نواحی ساحلی اروند تهیه گردید. به کمک ضریب توافق کاپا دقت روش های طبقه بندی مورد ارزیابی قرار گرفت. بر اساس نتایج حاصله روش شبکه عصبی مصنوعی با ضریب کاپا92/0 نسبت به الگوریتم حداکثر احتمال با ضریب کاپا79/0. عملکرد بهتری در تهیه نقشه پوشش زمین منطقه ساحلی اروند داشته است.