بهنام اصغری بیرامی؛ مهدی مختارزاده
چکیده
در سالهای اخیر استفاده از ویژگیهای مکانی به منظور افزایش صحت طبقهبندی تصاویر ابرطیفی بسیار رایج شده است. تا به امروز روشهای مختلفی برای طبقهبندی طیفی-مکانی تصاویر ابرطیفی معرفی شده است و تحقیقات مربوطه در راستای معرفی روشهایی با ساختار سادهتر و صحت بالاتر تا اکنون نیز در جریان است. در این مقاله یک روش جدید مبتنی بر ترکیب ...
بیشتر
در سالهای اخیر استفاده از ویژگیهای مکانی به منظور افزایش صحت طبقهبندی تصاویر ابرطیفی بسیار رایج شده است. تا به امروز روشهای مختلفی برای طبقهبندی طیفی-مکانی تصاویر ابرطیفی معرفی شده است و تحقیقات مربوطه در راستای معرفی روشهایی با ساختار سادهتر و صحت بالاتر تا اکنون نیز در جریان است. در این مقاله یک روش جدید مبتنی بر ترکیب ویژگیهای مستخرج از ماتریس محلی کرنل وزندار ویژگیهای طیفی-فرکتالی به منظور تولید ویژگیهای کارا برای طبقهبندی تصاویر ابرطیفی معرفی شده است. مزیت اصلی روش ماتریس محلی کرنل وزندار این است که موجب میشود تا وابستگیهای محلی غیرخطی میان ویژگیها که در روشهای کلاسیک مورد توجه نیست، در فرآیند تولید ویژگی لحاظ شوند. در روش ارائه شده این تحقیق از روش ماتریس محلی کرنل وزندار به منظور تولید ویژگیهای جدید از ویژگیهای طیفی و ویژگیهای بعد فرکتال جهتدار استفاده میشود. سپس این دو بردار ویژگی برای هر پیکسل با هم الصاق شده و تشکیل یک بردار غنی از اطلاعات طیفی-مکانی را میدهد. در نهایت به منظور تعیین برچسب هر پیکسل، بردار ویژگی حاصل شده توسط الگوریتم ماشین بردار پشتیبان طبقهبندی می-شود. نتایج حاصل از روی دو تصویر ابرطیفی واقعی ایندین پاین و دانشگاه پاویا نشان میدهد که صحتها در روش پیشنهادی به طور متوسط در هر دو مجموعه داده بالای 98% است که بیش از 5% بالاتر از میانگین صحت چند روش دیگر طبقهبندی تصاویر ابرطیفی است.
مریم تیموری؛ مهدی مختارزاده؛ محمدجواد ولدان زوج
چکیده
در این مقاله، بهمنظور رفع برخی محدودیتهای شناسایی ساختمان در تصاویر چندطیفی، از دادة SAR بهمنزلة دادة مکمل استفاده میشود. در روش پیشنهادی، برای استفادة همزمان از اطلاعات مفید در تصاویر رادار و چندطیفی، استراتژی مبتنیبر تلفیق تصاویر، با هدف شناسایی ساختمان، مطرح میشود. همچنین، ازآنجاکه انتخاب ویژگی نقش بسزایی در شناسایی ...
بیشتر
در این مقاله، بهمنظور رفع برخی محدودیتهای شناسایی ساختمان در تصاویر چندطیفی، از دادة SAR بهمنزلة دادة مکمل استفاده میشود. در روش پیشنهادی، برای استفادة همزمان از اطلاعات مفید در تصاویر رادار و چندطیفی، استراتژی مبتنیبر تلفیق تصاویر، با هدف شناسایی ساختمان، مطرح میشود. همچنین، ازآنجاکه انتخاب ویژگی نقش بسزایی در شناسایی و طبقهبندی عوارض دارد، اغلب روشهای مرسوم و رایج در این زمینه، مانند الگوریتم ژنتیک، نیازمند دادههای آموزشیاند؛ اما دردسترسنبودن همیشگی این نوع دادههای آموزشی یکی از دغدغههای مهم محققان بهشمار میآید. پس در این تحقیق، دو روش انتخاب ویژگی فیلترمبنا بررسی میشود تا مشخص شود آیا روشهای یادشده میتوانند، در مواقع لازم (نبودِ دادة آموزشی)، جایگزین الگوریتم ژنتیک شوند؟ بنابراین، در پژوهش حاضر، ابتدا بردار ویژگی بهینه از تصویر چندطیفی و SAR، با سه روش MNF وPCA و ژنتیک، تعیین و هریک جداگانه وارد هر دو طبقهبندیکنندة شبکة عصبی و SVM میشود. سپس بهمنظور رفع مشکلاتی، همچون تشابه طیفی پشتبامها با پوشش آسفالت خیابانها، در تصاویر چندطیفی و بهبود نتایج، دو تصویر چندطیفی و SAR در سطح ویژگی تلفیق میشود. در نهایت و در مرحلة بعدی، بهترین تصاویر طبقهبندیشده با شبکة عصبی و SVM، در تمامی بررسیهای صورتگرفته تا به این مرحله، وارد تلفیق در سطح تصمیمگیری میشوند. نحوة تلفیق در سطح تصمیمگیری بدینصورت است که اطلاعات همسایگی هر پیکسل در قالب پنجرة مکانی متحرک در ابعاد متفاوت، با هدف تصمیمگیری درمورد ماهیت هر پیکسل، استفاده میشود. بنابراین، نتایج حاصلشده در این تحقیق، با صحت کلی و دقت شناسایی ساختمان، بهترتیب 92.82% و 80.14% بیانگر عملکرد مناسب این روش است.
ملیکا حق پرست؛ مهدی مختارزاده
دوره 10، شماره 1 ، شهریور 1397، ، صفحه 91-108
چکیده
با توجه به وسعت جهانی منابع آب، اندازهگیریهای زمینی از پارامترهای کیفی امکانپذیر نیست، همچنین نمونهبرداری سنتی از آب و آنالیزهای آزمایشگاهی بسیار پرهزینه و زمانبر است. در مطالعات صورت گرفته، برآورد کدورت و غلظت کلروفیل آ بهعنوان مهمترین پارامترهای کیفی آب با استفاده از شبکههای عصبی مصنوعی با دقت مناسب توسط پژوهشگران ...
بیشتر
با توجه به وسعت جهانی منابع آب، اندازهگیریهای زمینی از پارامترهای کیفی امکانپذیر نیست، همچنین نمونهبرداری سنتی از آب و آنالیزهای آزمایشگاهی بسیار پرهزینه و زمانبر است. در مطالعات صورت گرفته، برآورد کدورت و غلظت کلروفیل آ بهعنوان مهمترین پارامترهای کیفی آب با استفاده از شبکههای عصبی مصنوعی با دقت مناسب توسط پژوهشگران انجامشده است. با توجه به مشکلاتی که در تهیه تعداد بالایی از دادههای آموزشی در محیطهای آبی وجود دارد استفاده از شبکههای ترکیبی مقاومتری نظیر شبکه عصبی موجکی پیشنهادشده است. در این تحقیق انواع مختلفی از توابع موجک بهعنوان تابع محرک شبکه مورداستفاده قرار گرفت و بهترین شبکه بهمنظور برآورد غلظت کلروفیل آ و کدورت به ترتیب شبکههای عصبی موجکی با تابع محرک مورلت و کلاه مکزیکی به دست آمد، دادههای مورداستفاده محصول بازتاب اقیانوسی سنجنده مادیس است، به دلیل بهکارگیری تصاویر چند زمانه نرمالسازی رادیومتریک دادهها انجام شد و نتایج نسبت به زمانی که از تصاویر نرمال نشده استفادهشده است، بهصورت قابلتوجهی بهبود یافت. در حالت چندزمانه علاوه بر افزایش تعداد دادههای آموزشی، قابلیت تعمیمپذیری شبکه به سایر روزهایی که در آن تعداد داده میدانی کافی موجود نیست، فراهمشده است و دقت شبکه در این حالت در مقایسه باحالت تک زمانه افزایش یافت، درنهایت RMSE برای بهترین مدل بهمنظور برآورد کدورت و غلظت کلروفیل به ترتیب 047/0 و 071/0 به دست آمد که در مقایسه با دقت اندازهگیری میدانی 1/0، قابلقبول بوده و میتواند جایگزین مناسبی برای اندازهگیریهای میدانی باشد.
فرزانه محسنی؛ مهدی مختارزاده
دوره 9، شماره 4 ، مرداد 1396، ، صفحه 1-22
چکیده
رطوبت خاک در فرایندهای تعاملی بین جو و زمین و تغییرات جهانی اقلیم نقش مهمی ایفا میکند. در سه دهة گذشته، محققان بسیاری به تعیین رطوبت خاک، با استفاده از دادههای سنجش از دوری، توجه داشتهاند. روشهای مثلثی و ذوزنقهای از روشهای سنجش از دوریاند که با ترکیب دادههای حرارتی و مرئی، شاخصی برای میزان رطوبت را تعیین میکنند. یکی از ...
بیشتر
رطوبت خاک در فرایندهای تعاملی بین جو و زمین و تغییرات جهانی اقلیم نقش مهمی ایفا میکند. در سه دهة گذشته، محققان بسیاری به تعیین رطوبت خاک، با استفاده از دادههای سنجش از دوری، توجه داشتهاند. روشهای مثلثی و ذوزنقهای از روشهای سنجش از دوریاند که با ترکیب دادههای حرارتی و مرئی، شاخصی برای میزان رطوبت را تعیین میکنند. یکی از مهمترین موارد تأثیرگذار در دقت این روشها، دقت تعیین لبههای خشک و مرطوب در نمودار پراکندگی دما/ پوشش گیاهی است. درنتیجه، ناتوانی در تعیین لبههای مذکور، در برخی روزها و شرایط، امکان استفاده از این روشها را محدود میکند. هدف این مطالعه مطرحکردن روشی برای تعیین دقیق لبههای خشک و اشباع، در تمامی روزها و شرایط، با استفاده از تلفیق دادههای سری زمانی دما و پوشش گیاهی است. بهمنظور تحقق این هدف، خطوط همرطوبت بهمنزلة خطوطی معرفی میشوند که رطوبت در امتداد آنها مقدار ثابتی است و برای تعیین لبههای خشک و مرطوب در هر روز بهکار رفتهاند. شاخص میزان رطوبت خاک پیشنهادی برای 28 روز در سال 2014، در منطقهای از شهر مونیتوبا در کشور کانادا، با استفاده از ویژگیهای دو خط انتخابشده از میان خطوط همرطوبت بهدستآمده ازطریق دادههای دمای سطح، دمای هوا و شاخص پوشش گیاهی سنجندة MODIS، محاسبه و با استفاده از دادههای زمینی ایستگاههای رطوبتسنجی شبکة RISMA واقع در این منطقه، ارزیابی شده است. در تمامی 28 روز، تصویر شاخص پیشنهادی که معرف میزان رطوبت خاک است، بهمنزلة خروجی روش پیشنهادی بهدست آمد. ضریب همبستگی شاخص بهدستآمده با میزان رطوبت خاک در روزهای بدون پوشش گیاهی به 92/0 رسیده و این مقدار ضریب همبستگی، در روزهای با پوشش گیاهی انبوه، کمتر بوده است.
سمیه یاوری؛ محمدجواد ولدان زوج؛ محمودرضا صاحبی؛ مهدی مختارزاده
دوره 8، شماره 3 ، تیر 1395، ، صفحه 1-10
چکیده
زمینمرجعسازی تصاویر ماهوارهای با توان تفکیک بالا، با استفاده از معادلات ریاضی مناسب یکی از مهمترین مراحل استخراج اطلاعات مکانی سهبعدی دقیق است. بهمنظور زمینمرجعسازی تصاویر ماهوارهای، ابتدا باید مجموعهای عوارض کنترلی مانند نقاط، خطوط و یا سطوح در دو فضا استخراج شوند. سپس عوارض متناظر از بین کل عوارض استخراجشده ...
بیشتر
زمینمرجعسازی تصاویر ماهوارهای با توان تفکیک بالا، با استفاده از معادلات ریاضی مناسب یکی از مهمترین مراحل استخراج اطلاعات مکانی سهبعدی دقیق است. بهمنظور زمینمرجعسازی تصاویر ماهوارهای، ابتدا باید مجموعهای عوارض کنترلی مانند نقاط، خطوط و یا سطوح در دو فضا استخراج شوند. سپس عوارض متناظر از بین کل عوارض استخراجشده تعیین و بهطور مستقیم برای حل تابع انتقال بین دو فضا مشخص شوند. ازآنجاکه دقت تصحیح هندسی تصاویر دقت زمینمرجعسازی را تحت تأثیر مستقیم قرار میدهد، در این مقاله این مسئله براساس استفاده از عوارض کنترلی خطی و نیز تلفیق آن با نقاط کنترلی در حل معادلة رشنال بررسی شده است. همچنین اثر آنها در حذف خطاهای سیستماتیک بررسی شده است. نتایج بهدستآمده نشان میدهد که دقت حل معادلة رشنال با استفاده از خطوط کنترلی پایین و درحدود 3 پیکسل است. همچنین دیاگرام بردار باقیماندهها نیز وجود میزان چشمگیر خطاهای سیستماتیک در نتایج نهایی را نشان میدهد. دلیل این امر، افزون بر دقت و توزیع خطوط کنترلی، ماهیت خطوط بهمنزلة اطلاعات کنترلی نیز محسوب میشود. از سوی دیگر تلفیق خطوط و نقاط کنترلی بهمنظور حل معادله سبب ارتقای دقت تا 1 پیکسل و حذف بسیاری از خطاهای سیستماتیک میشود. ازاینرو، نتایجْ قابلیت بالای تلفیق خطوط و نقاط کنترلی در ارتقای دقت و نیز کاهش خطاهای سیستماتیک را نشان میدهد.
حمیدرضا اورعی؛ مهدی مختارزاده؛ حمید عبادی
دوره 7، شماره 1 ، اسفند 1394، ، صفحه 81-94
چکیده
طبقهبندی، تکنیکی در تحلیل تصاویر سنجش از دور است که بهطور وسیع در کاربردهای مختلف استفاده میشود. در روشهای طبقهبندی نظارتشدة سنتی، اطلاعات آموزشی و نتایج طبقهبندی مبتنی بر اصل «هر پیکسل-یک کلاس» نمایش داده میشوند. در مواردی که عدماطمینان و پیکسلهای مختلط در سنجش از دور وجود دارد، استفاده از روشهای فازی توصیه میشود. ...
بیشتر
طبقهبندی، تکنیکی در تحلیل تصاویر سنجش از دور است که بهطور وسیع در کاربردهای مختلف استفاده میشود. در روشهای طبقهبندی نظارتشدة سنتی، اطلاعات آموزشی و نتایج طبقهبندی مبتنی بر اصل «هر پیکسل-یک کلاس» نمایش داده میشوند. در مواردی که عدماطمینان و پیکسلهای مختلط در سنجش از دور وجود دارد، استفاده از روشهای فازی توصیه میشود. مطالعات اخیر نشان میدهند که استفاده از اطلاعات مجاورت بههمراه اطلاعات طیفی میتواند به صحت بالاتری در طبقهبندی بینجامد. استفاده از اطلاعات مجاورت در پسپردازش نتایج طبقهبندی بهدلیل وابستگینداشتن به طبقهبندیکنندة اولیه از دلایل استفاده از آن در پژوهش حاضر است. قوانین اتصال در فضای توپولوژی فازی یکی از روشهای استفاده از اطلاعات مجاورت در بخش پسپردازش است. درصورتیکه از بیش از دو طبقهبندیکننده استفاده شود، میتوان امکان تلفیق نتایج را بررسی کرد. در این پژوهش برای تلفیق مکانی نتایج با استفاده از قوانین اتصال در فضای توپولوژی فازی، دو راهکار پیشنهاد شده است. در راهکار نخست، یکی از دو طبقهبندیکننده مبنای تلفیق قرار میگیرد و در راهکار دوم فقط پیکسلهایی که در هر دو روش طبقهبندی، بهصورت یکسان طبقهبندی شدهاند و همزمان پیکسل محدوده نیستند، در تصویر نهایی برچسب خود را حفظ میکنند. نتایج نشان میدهند که راهکار نخست درمقایسه با راهکار دوم دقت بهتری را بهدست میدهد. بیشترین مقادیر صحت کلی و کاپای کلی بهدستآمده مربوط به زمانی است که روش طبقهبندیِ بیشترین شباهت در راهکار نخست تلفیق مکانی مبنا قرار میگیرد و بهترتیب 01/89 و 98/88 هستند. بهطور کلی، تلفیق مکانی نتایج درمقایسه با وضعیتی که فقط از یک طبقهبندیکننده استفاده شود، دقت را بهبود میدهد. کلیدواژهها: طبقهبندی فازی، فضای توپولوژی فازی، تلفیق، قوانین اتصال
امین باغانی؛ محمدجواد ولدان زوج؛ مهدی مختارزاده
دوره 7، شماره 2 ، بهمن 1394، ، صفحه 1-18
چکیده
در غیاب دادههای افمریز ماهواره و مدل سنجنده، تبدیلات غیرپارامتریک نظیر مدل توابع کسری از مهمترین و پرکاربردترین انواع مدلهای ریاضی در جوامع فتوگرامتری و سنجش از دور بهشمار میآیند. وابستگی این مدلها به تعداد زیادی نقاط کنترل زمینی، مشکلات عددی موجود در حل آنها و مشکل انتخاب ترمهای سازندة ساختار تابع کسری را میتوان از ...
بیشتر
در غیاب دادههای افمریز ماهواره و مدل سنجنده، تبدیلات غیرپارامتریک نظیر مدل توابع کسری از مهمترین و پرکاربردترین انواع مدلهای ریاضی در جوامع فتوگرامتری و سنجش از دور بهشمار میآیند. وابستگی این مدلها به تعداد زیادی نقاط کنترل زمینی، مشکلات عددی موجود در حل آنها و مشکل انتخاب ترمهای سازندة ساختار تابع کسری را میتوان از ضعفهای عمدة این روش برشمرد. ازآنجاکه ضرایب در توابع غیرپارامتریک دارای تفسیر و معنای فیزیکی مشخصی نیستند، در روشهای معمول کلیة ترمها وارد فرایند محاسباتی میشوند و خطای وابستگی میان ترمها ایجاد میکنند. در پژوهش حاضر، الگوریتم کلونی مورچهها برای بهینهسازی توابع کسری مناسبسازی شد و از الگوریتم ویژهسازیشده بهمنظور یافتن ترکیب بهینة ترمها در ساختار توابع کسری استفاده گردید. الگوریتم مذکور، روی سه تصویر در سطوح تصحیح هندسی مختلف با ترکیبهای گوناگونی از نقاط کنترل و نقاط چک مستقل در سه سیستم مختصات زمینی UTM، CT و ژئودتیک و بدون نرمالکردن مختصاتهای زمینی و تصویری آزمون شد. نتایج آزمونهای تجربی نشان دادند که الگوریتم ویژهسازیشدة کلونی مورچهها در پژوهش حاضر از نظر تعداد ترمها و دقت موقعیت مکانی قابلیت بالایی دارد. نتایج نشان دادند که استفاده از سیستم مختصات CT برای فضای زمین، نتایج بهتری را از نظر دقت و نحوة همگرایی الگوریتم به توابع کسری بهینه بهدست میدهد. نتایج برای تصاویر مختلف و حتی تصاویر خام با استفاده از چهار نقطة کنترل، دقت زیرپیکسل را نشان داد.
میلاد نیرومند جدیدی؛ مهدی مختارزاده؛ محمودرضا صاحبی
دوره 7، شماره 3 ، بهمن 1394، ، صفحه 1-16
چکیده
یکی از چالشهای بسیار مهم در تهیۀ نقشۀ پوشش اراضی با استفاده از تصاویر سنجش از دور، مشکل مربوط به پیکسلهای مخلوط است. با توسعۀ روشهای تجزیۀ اختلاط طیفی و طبقهبندیکنندههای نرم، امکان برآورد سهم کلاسها در سطح زیرپیکسل فراهم میآید و برچسبهای چندگانه به پیکسلها اختصاص داده میشود. با وجود این، تولید نقشۀ پوششی در سطح زیرپیکسل ...
بیشتر
یکی از چالشهای بسیار مهم در تهیۀ نقشۀ پوشش اراضی با استفاده از تصاویر سنجش از دور، مشکل مربوط به پیکسلهای مخلوط است. با توسعۀ روشهای تجزیۀ اختلاط طیفی و طبقهبندیکنندههای نرم، امکان برآورد سهم کلاسها در سطح زیرپیکسل فراهم میآید و برچسبهای چندگانه به پیکسلها اختصاص داده میشود. با وجود این، تولید نقشۀ پوششی در سطح زیرپیکسل نیازمند جانمایی مکانی زیرپیکسلها است. در سالهای اخیر، روشهای تهیۀ نقشه در سطح زیرپیکسل توسعه یافتهاند و با استفاده از نتایج طبقهبندیکنندههای نرم و بهرهگیری از مفاهیم وابستگی مکانی، آرایش مکانی زیرپیکسلها را بهینهسازی میکنند. در این تحقیق، دقت کلی الگوریتم شبیهسازی تبرید برای تهیۀ نقشۀ پوششی در سطح زیرپیکسل مورد ارزیابی قرار گرفته و همچنین، مکانیزم جدیدی در این روش، برای تولید پاسخهای جدید در هر مرحله از الگوریتم پیشنهاد شده و با نتایج روش موجود مقایسه شده است. از دیگرسو، پارامترهای مؤثر بر عملکرد الگوریتم مانند ضریب بزرگنمایی، نوع تابع خنکسازی و تکرارهای ایستا و پویا در عملکرد الگوریتم بررسی شدهاند. در فرایند ارزیابی دقت کلی الگوریتم، دو روش مستقل از خطای طبقهبندی نرم و وابسته به این خطا لحاظ شده است. براساس نتایج، افزایش ضریب بزرگنمایی موجب کاهش دقت الگوریتم شبیهسازی تبرید شده و همچنین، تابع خنکسازی هندسی به لحاظ دقت و زمان اجرای الگوریتم، بهمنزلۀ تابع بهینه انتخاب شده است. از طرف دیگر، تکرارهای پویا نیز، در مقایسه با حالت ایستا دقت بیشتری داشته است. روش پیشنهادی برای تولید پاسخهای جدید در الگوریتم شبیهسازی تبرید دستاورد مهم تحقیق به شمار میآید که دقت کلی را به نسبت روش موجود، افزایش داده و همچنین، زمان اجرای الگوریتم را تا 50% کاهش داده است. بیشترین دقت کلی الگوریتم براساس روش پیشنهادی و مستقل از خطای طبقهبندی نرم 97/94% برآورد شد.
فاطمه عامری؛ محمدجواد ولدان زوج؛ مهدی مختارزاده
دوره 7، شماره 3 ، بهمن 1394، ، صفحه 33-48
چکیده
امروزه روشی متداول در ایجاد پایگاه دادۀ راهها، استخراج آنها از تصاویر رقومی هوایی و ماهوارهای است. با توجه به حجم بسیار دادههای شبکۀ راه و نیاز به بهنگام کردن آنها با کمترین زمان و هزینۀ محاسباتی، اتوماسیون فرایند استخراج اطلاعات راه در حال تبدیل به یکی از ملزومات عصر جدید است. در تحقیق حاضر که بیشتر بر مرحلۀ برداریسازی راه ...
بیشتر
امروزه روشی متداول در ایجاد پایگاه دادۀ راهها، استخراج آنها از تصاویر رقومی هوایی و ماهوارهای است. با توجه به حجم بسیار دادههای شبکۀ راه و نیاز به بهنگام کردن آنها با کمترین زمان و هزینۀ محاسباتی، اتوماسیون فرایند استخراج اطلاعات راه در حال تبدیل به یکی از ملزومات عصر جدید است. در تحقیق حاضر که بیشتر بر مرحلۀ برداریسازی راه تأکید دارد، سیستمی هوشمند برای برداریسازی اتوماتیک نتایج کشف راه، با کمترین میزان دخالت عامل انسانی، طراحی شده است. سیستم طراحیشده دارای دو مرحلۀ اساسی تعیین نقاط کلیدی راه و برقراری اتصال بین آنها است. نخست، با استفاده از تکنیک خوشهبندی بر مبنای الگوریتم انبوه ذرات نقاط اصلی نمایانگر محور مرکزی راه تعیین میشوند. سپس، با در نظر گرفتن مدل گراف وزندار برای شبکۀ راههای تصویر، تعیین معیارهای هندسی مناسب و تلفیق این معیارها از سوی عملگرهای میانگینگیر وزندار ترتیبی، هزینۀ هر اتصال محاسبه میشود. اتصالات دارای کمترین هزینه، به صورت قطعات نهایی راه در تشکیل شبکۀ برداری راه شرکت میکنند. نتایج حاصل از پیادهسازی روش پیشنهادی روی چندین تصویر بزرگ مقیاس ماهواره ای و مقایسۀ آنها با نتایج الگوریتم درختپوشای کمینه تأییدکنندۀ موفقیت روش پیشنهادی در استخراج شبکۀ راه با دقت و صحت بالا است. براساس نتایج ارزیابی، روش پیشنهادی قادر است شبکۀ راههای تصویر را با میانگین RMSE حدود 9/0 متر، میانگین completeness حدود 94% و میانگین correctness بیش از 95% برداری کند. در مجموع، الگوریتم پیشنهادی در برداریسازی راههای با اشکال مختلف شامل راههای مستقیم، راههای دارای انحنا، راههای با ضخامتهای متفاوت، راههای موازی با فواصل متغیر، تقاطع و میدان موفقیتآمیز عمل کرده است.
محسن قلوبی؛ محمدجواد ولدان زوج؛ مهدی مختارزاده
دوره 6، شماره 4 ، دی 1393
چکیده
اطلاعات پوشش اراضی یکی از مهمترین ابزارهای مدیریت شهری است و سنجش از دور بهعنوان فناوری بهینه از نظر هزینه و زمان، در تولید اینگونه اطلاعات اهمیت بسیار دارد. با توجه به وجود نواحی شهری پیچیده و متراکم در کشورهای جهان سوم، روشهای شئمبنا بهعنوان راهکار مناسبی در پردازش تصاویر اینگونه مناطق پیشنهاد شدهاند. هدف ...
بیشتر
اطلاعات پوشش اراضی یکی از مهمترین ابزارهای مدیریت شهری است و سنجش از دور بهعنوان فناوری بهینه از نظر هزینه و زمان، در تولید اینگونه اطلاعات اهمیت بسیار دارد. با توجه به وجود نواحی شهری پیچیده و متراکم در کشورهای جهان سوم، روشهای شئمبنا بهعنوان راهکار مناسبی در پردازش تصاویر اینگونه مناطق پیشنهاد شدهاند. هدف پژوهش حاضر معرفی روش شئمبنای جدیدی برای طبقهبندی مناطق شهری پیچیده با استفاده از تصاویر بزرگمقیاس ماهوارهای و نزدیکشدن به فرایند تولید نقشة استاندارد و مؤثر با این روش است. در این مدل بهمنظور انتخاب پارامترهای قطعهبندی، از روشی جدید و همچنین از مدل طبقهبندی سلسلهمراتبی بههمراه استراتژی قانونمبنایی برای غلبه بر اغتشاشات بینکلاسی بهرهگیری شد. در این حیطه ضمن بهینهسازی فضای ویژگی در آنالیزی چندمقیاسه، از دو روش طبقهبندی قانونمبنا و نزدیکترین همسایة فازی استفاده شد. روش پیشنهادی در پژوهش حاضر روی تصویر سنجندة IKONOSاز شهر شیراز پیادهسازی شد، که دقت 84 درصد با استفاده از طبقهبندی روش قانونمبنا و نیز دقت 87 درصد از روش طبقهبندی نزدیکترین همسایة فازی بهدست آمد. افزون بر این، پیادهسازی روش پیشنهادی روی تصویر IKONOSشهر یزد، قابلیت تعمیمپذیری این روش را به سایر مناطق نشان داد. کلیدواژهها: طبقهبندی پوشش اراضی، قانونمبنا، شئمبنا، نزدیکترین همسایة فازی، نواحی پیچیده.
محسن قلوبی؛ سعید رمضان خانی؛ محمد جواد ولدان زوج؛ مهدی مختارزاده؛ حامد ساعتی
دوره 6، شماره 1 ، تیر 1393
چکیده
امروزه استخراج اطلاعات از چگونگی بهرهبرداری از سطح زمین در نواحی شهری، از المانهای مهم در سطوح خرد و کلان برنامهریزی و تصمیمگیری بهشمار میرود. تاکنون تحقیقات چندانی در حوزة استخراج خودکار اطلاعات کاربری اراضی انجام نشده است. سنجش از دور بهعنوان یکی از ارزانترین و سریعترین راهها، بهویژه پس از ظهور آنالیزهای شیءمبنا، ...
بیشتر
امروزه استخراج اطلاعات از چگونگی بهرهبرداری از سطح زمین در نواحی شهری، از المانهای مهم در سطوح خرد و کلان برنامهریزی و تصمیمگیری بهشمار میرود. تاکنون تحقیقات چندانی در حوزة استخراج خودکار اطلاعات کاربری اراضی انجام نشده است. سنجش از دور بهعنوان یکی از ارزانترین و سریعترین راهها، بهویژه پس از ظهور آنالیزهای شیءمبنا، توانایی مناسبی در این حوزه یافته است. هدف پژوهش حاضر، استخراج اطلاعات کاربری اراضی روی یک ناحیة شهری متراکم و پیچیده است و برای این منظور از سیستم سلسلهمراتبی شامل سطوح پوشش اراضی و کاربری اراضی استفاده شد. پس از پیادهسازی روش طبقهبندی پوشش اراضی مرحله به مرحله، استخراج واحدهای کاربری اراضی با استفاده از اطلاعات پوشش اراضی انجام شد و فضای ویژگیای شامل بیش از 50 ویژگی مفهومی، براساس اطلاعات سطوح پوشش اراضی طراحی و استخراج گردید. پس از این مرحله، ویژگیهای بهینه با بالاترین میزان جداپذیری بینکلاسی با استفاده از الگوریتم SFFS از میان این ویژگیها استخراج شدند. در نهایت با پیادهسازی روش طبقهبندی نزدیکترین همسایة فازی، طبقهبندی کاربری اراضی براساس ویژگیهای بهینه اجرا شد. طبقهبندی کاربری اراضی روی دو سیستم کلاسی ترکیبی و غیرترکیبی پیادهسازی شد و سیستم ترکیبی بهعنوان مناسبترین سیستم کلاسی شناسایی گردید. روش پیش رو بدون درنظرگرفتن معیار مساحت اشیای کاربری اراضی، دارای دقت 88 درصد و با درنظرگرفتن این معیار، دارای دقت 93 درصد است.
الهه خصالی؛ محمدجواد ولدانزوج؛ مریم دهقانی؛ مهدی مختارزاده
دوره 5، شماره 4 ، اسفند 1392
چکیده
نسل جدید سنجندههای راداری فضایی با حد تفکیک مکانی بالا، امکان استفاده از این تصاویر را بهمنظور استخراج خودکار عوارض، بهویژه عارضه راه فراهم آوردهاند. در پژوهش حاضر، استخراج عارضه راه از تصاویر راداری و اپتیک با حد تفکیک بالا با یکدیگر مقایسه شدند. بدین منظور از تصاویر آیکونوس و TerraSAR-X استفاده شد و بین تصاویر هممرجعسازی انجام ...
بیشتر
نسل جدید سنجندههای راداری فضایی با حد تفکیک مکانی بالا، امکان استفاده از این تصاویر را بهمنظور استخراج خودکار عوارض، بهویژه عارضه راه فراهم آوردهاند. در پژوهش حاضر، استخراج عارضه راه از تصاویر راداری و اپتیک با حد تفکیک بالا با یکدیگر مقایسه شدند. بدین منظور از تصاویر آیکونوس و TerraSAR-X استفاده شد و بین تصاویر هممرجعسازی انجام گرفت. سپس ویژگیهای بافت استخراج شدند و طبقهبندی با استفاده از شبکة عصبی بازپسخور خطا انجام پذیرفت. با مقایسة نتایج حاصل از اجرای الگوریتم با دادههای مرجعی که عامل انسانی آنها را تهیه کرده است، برای دادههای TerraSAR-X و آیکونوس، به ترتیب مقادیر 10/46 و 72/57 درصد برای پارامتر RCC، 58/46 و 27/93 درصد برای پارامتر BCC و مقادیر 61/0 و 31/0 برای پارامتر RMSE به دست آمد. مقایسه تصویر خروجی حاصل از دو الگوریتم نشان میدهد که هرکدام از تصاویر اپتیک و راداری نواقصی در استخراج راه دارند. به عنوان مثال، الگوریتمهای اپتیک به مناطقی از تصویر که ویژگیهای طیفی و بافتی مشابه با راه دارند ـ ازجمله محل پارکینگها و سقف بامهای بزرگـ حساس هستند، درصورتیکه این مناطق در تصاویر راداری ظاهری روشن و بافتی متفاوت دارند. بنابراین تصاویر راداری در مناطقی با بافت شهری ـ بهویژه توأم با راههای کمعرض و کوچهها ـ مناسباند. از طرفی دیگر تصاویر راداری در مناطقی با پوشش گیاهی انبوه به خوبی عمل نمیکنند، درحالیکه تصاویر اپتیک کاملاً قادر به تمایز این مناطق از راهها هستند. در نتیجه با توجه قابلیتهای مکملاین تصاویر در استخراج راه، تلفیق ویژگیهای این دو منبع بهمنظور رفع نواقص و افزایش دقت الگوریتمهای حاضر، روشی کارآمد در توسعه الگوریتمها به نظر میرسد.
سمیرا بدرلو؛ مهدی مختارزاده؛ محمدجواد ولدانزوج
دوره 5، شماره 3 ، آذر 1392
چکیده
تناظریابی از موضوعات چالشبرانگیز در سنجش از دور و فتوگرامتری بهشمار میآید. این فرایند بهمنظور طبقهبندی چندطیفی، مانیتورینگ محیط، بازرسی تغییرات، موزاییککردن تصاویر و نظایر اینها کاربرد وسیعی در سنجش از دور دارد. روشهای زیادی برای تناظریابی ارائه شدهاند، که یکی از آنها تناظریابی سراسری با استفاده از شبکه عصبی هاپفیلد ...
بیشتر
تناظریابی از موضوعات چالشبرانگیز در سنجش از دور و فتوگرامتری بهشمار میآید. این فرایند بهمنظور طبقهبندی چندطیفی، مانیتورینگ محیط، بازرسی تغییرات، موزاییککردن تصاویر و نظایر اینها کاربرد وسیعی در سنجش از دور دارد. روشهای زیادی برای تناظریابی ارائه شدهاند، که یکی از آنها تناظریابی سراسری با استفاده از شبکه عصبی هاپفیلد است. مهمترین تحقیقات انجامشده در این روش در حوزة شناسایی هدف و مربوط به تصاویر برد کوتاه است، و تاکنون روی تصاویر هوایی و ماهوارهای پیادهسازی نشدهاند. هدف اصلی پژوهش حاضر پیادهسازی روش تناظریابی با استفاده از شبکه عصبی هاپفیلد روی انواع تصاویر هوایی و ماهوارهای است. برای انجام تناظریابی مستقل از افاین، از شبکه عصبی هاپفیلد مرتبه 4 استفاده میشود و نتایج عملی روی دو جفت تصویر ماهوارهای بیانگر کارایی بالای این روش است.
میلاد نیرومند جدیدی؛ محمودرضا صاحبی صاحبی؛ مهدی مختارزاده
دوره 5، شماره 1 ، تیر 1392
چکیده
تصاویر سنجش از دور معمولاً به صورت ترکیبی از پیکسلهای خالص و مخلوطاند. در روشهای طبقهبندی سخت، پیکسلهای مخلوط به کلاس دارای بیشترین اطمینان تعلق نسبت داده میشوند. بدین ترتیب به علت تکبرچسبی بودن نتایج طبقهبندی سخت، اطلاعات در سطح زیرپیکسل نادیده گرفته میشود. روشهای طبقهبندی نرم که برای حل این مشکل شکل گرفتهاند، ...
بیشتر
تصاویر سنجش از دور معمولاً به صورت ترکیبی از پیکسلهای خالص و مخلوطاند. در روشهای طبقهبندی سخت، پیکسلهای مخلوط به کلاس دارای بیشترین اطمینان تعلق نسبت داده میشوند. بدین ترتیب به علت تکبرچسبی بودن نتایج طبقهبندی سخت، اطلاعات در سطح زیرپیکسل نادیده گرفته میشود. روشهای طبقهبندی نرم که برای حل این مشکل شکل گرفتهاند، برآورد سهم کلاسهای مختلف را برای هر یک از پیکسلها فراهم میآورند. البته این نوع طبقهبندیکنندهها هیچگونه اطلاعاتی را در مورد آرایش مکانی کلاسهای مختلف در داخل پیکسلها ارائه نمیکنند. الگوریتم معاوضه پیکسلی با استفاده از نتایج طبقهبندی نرم و براساس بیشینه کردن وابستگی مکانی زیرپیکسلها، امکان تهیه نقشه پوششی را در سطح زیرپیکسل فراهم میسازد. الگوریتم پایه این روش برای حالت باینری است. در تحقیق حاضر به منظور تولید نقشه پوششی، الگوریتم باینری معاوضه پیکسلی برای حالت چندمتغیری ایجاد گردیده و دقت این الگوریتم در دو حالت مستقل از خطای طبقهبندی نرم و وابسته به آن مورد ارزیابی قرار گرفته است. بهعلاوه، تأثیر پارامترهای مختلف ـ مانند ضریب بزرگنمایی، سطح همسایگی و تابع وزن ـ نیز در عملکرد این الگوریتم بررسی شده است. براساس نتایج تحقیق، دقت کلی الگوریتم معاوضه پیکسلی، بسیار وابسته به دقت ورودی الگوریتم (نتایج طبقهبندی نرم است. دستاورد دیگر تحقیق، این بود که مشخص گردید با افزایش ضریب بزرگنمایی، دقت الگوریتم کاهش مییابد. دیگر اینکه سطح همسایگی دوم و توابع معکوس فاصله و مجذور معکوس فاصله، بیشترین دقت را به همراه دارند. با در نظر گرفتن ضریب بزرگنمایی کمتر از 5، دقت کلی الگوریتم در فرایند بهینهسازی آرایش مکانی زیر پیکسلها بیشتر از 90 درصد برآورد گردید.
علیرضا صفدری نژاد؛ محمدجواد ولدان زوج؛ مهدی مختارزاده
دوره 4، شماره 3 ، آذر 1391
چکیده
در این مقاله با ارائه ی روش جدیدی در مدل سازی هندسی تصاویر ماهواره ای، از چند جمله ای های دوبعدی به منظور تعیین موقعیت سه بعدی در تصاویر ماهواره ای استریو استفاده شده است. در این مدل سازی، چند جمله ای های دوبعدی نقش برقراری ارتباط بین فضای زیمن و تصویر را ندارند و در روند مدل سازی به عنوان پارامترهای اضافی در معادله ی شرط هم خطی در نظر ...
بیشتر
در این مقاله با ارائه ی روش جدیدی در مدل سازی هندسی تصاویر ماهواره ای، از چند جمله ای های دوبعدی به منظور تعیین موقعیت سه بعدی در تصاویر ماهواره ای استریو استفاده شده است. در این مدل سازی، چند جمله ای های دوبعدی نقش برقراری ارتباط بین فضای زیمن و تصویر را ندارند و در روند مدل سازی به عنوان پارامترهای اضافی در معادله ی شرط هم خطی در نظر گرفته شده اند. معادله ی شرط هم خطی به کار رفته در این مدل سازی نیز با مدل پارامترهای مداری است، و پارامترهای موجود در این مدل با استفاده از اطلاعات افمریز ماهواره تعیین می شوند و به صورت مقادیری ثابت در روند مدل سازی قرار می گیرند. در این مدل سازی ضرایب چندجمله ای تنها مجهول های مدل سازی اند و ضرایب مذکور به کمک نقاط کنترل زمینی در دستگاه معادلات خطی تعیین می شوند. مزایای عمده این مدل سازی عبارت اند از: کاهش پیچیدگی های اجرایی مربوط به استفاده از مدل های فیزیکی، سهولت پیاده سازی، امکان استفاده در تصاویر خام و تصاویری با سطوح پایین تصحیحات هندسی، امکان استفاده ی حداکثری از داده های کمکی ماهواره و همچنین خطی بودن دستگاه معادلات در پروسه ی تقاطع فضایی. آزمون مدل پیشنهادی در مجموعه داده های مختلف، حاکی از توان بالای این مدل سازی در تأمین دقت های مطلوب در تعیین موقعیت سه بعدی از تصاویر ماهواره ای استریو است.
فاطمه عامری؛ محمدجواد ولدان زوج؛ مهدی مختارزاده؛ علی محمد مبارکی
دوره 3، شماره 4 ، اسفند 1390
چکیده
مقاله حاضر به منظور بررسی قابلیت سیستم پیشنهادی استخراج نیمه خودکار راه از تصاویر ماهواره ای با حد تفکیک های مکانی مختلف به منظور بهنگام کردن نقشه های متوسط و کوچک مقیاس پایگاه داده GIS سازمان راهداری و حمل و نقل جاده ای کشور تهیه گردیده است. هدف پژوهش حاضر حفظ و با افزایش دقت و سرعت استخراج اطلاعات در مقایسه با عملیات زمینی و استفاده ...
بیشتر
مقاله حاضر به منظور بررسی قابلیت سیستم پیشنهادی استخراج نیمه خودکار راه از تصاویر ماهواره ای با حد تفکیک های مکانی مختلف به منظور بهنگام کردن نقشه های متوسط و کوچک مقیاس پایگاه داده GIS سازمان راهداری و حمل و نقل جاده ای کشور تهیه گردیده است. هدف پژوهش حاضر حفظ و با افزایش دقت و سرعت استخراج اطلاعات در مقایسه با عملیات زمینی و استفاده از GPS است. افزون بر این، میزان موفقیت این سیستم در استخراج اشکال مختلف راه اعم از راه مستقیم، مارپیچ، تقاطع و میدان مورد بررسی قرار گرفته است. داده های ورودی سامانه ی مورد نظر شامل تصاویر پانکروماتیک و Pansharpened ماهواره های IRS-1D Ikonos ( به ترتیب دارای قدرت تفکیک مکانی 1، 4، 5 متر) و تصاویر Pansharpened ماهواره Landsat-7 (دارای قدرت تفکیک مکانی 15 متر) است. در روش پیشنهادی، ضمن انجام خوشه بندی FCM در فضای طیفی و بهبود کیفیت راه های کشف شده به وسیله اپراتورهای مورفولوژی با حذف نویز و پوشش گپ ها، اقدام به کشف عارضه ی راه شده است. روش مذکور با انجام خوشه بندی در فضای تصویر، موقعیت نقاط اصلی شبکه ی راه ها را شناسایی کرده و در پایان با بهره گیری از الگوریتم MST در تئوری گراف و انتخاب تابع وزن مناسب (فاصله اقلیدسی) اقدام به اتصال این نقاط و تشکیل محور مرکزی راه در فرمت برداری برای ورود به GIS کرده است. رسیدن به میانگین دقت کلی بیش از 98 درصد در طبقه بندی تصویر به دو کلاس راه و غیر راه و حصول میانگین خطای RMS حدود 68/0 پیکسل- از مقایسه ی محور راه استخراج شده با واقعیت زمینی آن- نشانگر موفقیت کلی سامانه ی معرفی شده برای استخراج نیمه خودکار راه به شمار می آید.
امین صداقت؛ حمید عبادی؛ مهدی مختارزاده
دوره 2، شماره 4 ، اسفند 1389
چکیده
الگوریتم SIFT (Scale Invariant Feature Transform) یکی از روش های تناظریابی عارضه مبناست که به منظور انجام فرایند تشخیص الگو در تصاویر اپتیکی ارائه شده است. با اینکه عملکرد بهتر توصیفگر این الگوریتم در مقایسه با دیگر روش ها اثبات شده و نسخه های گوناگونی نیز در مسیر افزایش کارایی آن ارائه شده است. اما عملگر استخراج عارضه در این الگوریتم با مشکلات جدی برای ...
بیشتر
الگوریتم SIFT (Scale Invariant Feature Transform) یکی از روش های تناظریابی عارضه مبناست که به منظور انجام فرایند تشخیص الگو در تصاویر اپتیکی ارائه شده است. با اینکه عملکرد بهتر توصیفگر این الگوریتم در مقایسه با دیگر روش ها اثبات شده و نسخه های گوناگونی نیز در مسیر افزایش کارایی آن ارائه شده است. اما عملگر استخراج عارضه در این الگوریتم با مشکلات جدی برای انجام تناظریابی در تصاویر سنجش از دور مواجه است. کنترل پذیری این اگلوریتم در استخراج عواض در تصاویر سنجش از دور پایین است و در آن راه حلی نیز برای انتخابعوارض پایدارتر و متمایزتر و کنترل توزیع آن ها، به منظور موفقیت در فرآیند تناظریابی، پیشنهاد نشده است. در مقاله حاضر با بهره گیری از خصوصیات فضای مقیاس در این الگوریتم روشی جدید با عنوان UR-SIFT ( (Invariant Feature Transform Uniform Robust Scaleبه منظور استخراج عوارض پایدار تصاویر و در توزیع یکنواختی از مکان و مقیاس طراحی شده است. برای این منظور با توسعه روابطی جدید بر مبنای ضریب مقیاس سطوح هرم تصاویر در الگوریتم SIFT، تعداد عوارض مورد نیاز در هر سطح تعیین گردیده و با بهره گیری از دو معیار پایداری و تمایز و در ساختاری شبکه ای استخراج شده است. بعد از استخراج عوارض و ایجاد توصیفگر آن ها، فرآیند تناظریابی اولیه با استفاده از فاصله اقلیدسی میان توصیفگرها و با بهره گیری از روشی دو جانبه انجام می شود. در ادامه با استفاده از مدل تبدیل پروژکتیو و روش کمترین مربعات، صحت جفت تناظرهای اولیه بررسی دشه و تناظرهای ناسازگار حذف شده اند. نتایج عملی بر روی دو جفت تصویر ماهواره ای بیانگر کارایی بالای روش پیشنهادی در مقایسه با الگوریتم استاندارد SIFT است.
امین صداقت؛ حمید عبادی؛ مهدی مختارزاده
دوره 2، شماره 1 ، تیر 1389
چکیده
مرتبط سازی تصویر، فرایندی بنیادی در پردازش تصویر است و نقش مهمی در فرایندهای مختلف فتوگرامتری و سنجش از دور دارد. الگئریتم SIFT از کارآمدترین روش های نتاظریابی است، که اخیرا به طور موفقیت آمیزی برای مرتبط سازی اتوماتیک تصاویر سنجش از دور استفاده شده است. با این حال عملگرد استخراج عارضه در این الگوریتم همچنان با ضعف های عمده ای همراهاست. ...
بیشتر
مرتبط سازی تصویر، فرایندی بنیادی در پردازش تصویر است و نقش مهمی در فرایندهای مختلف فتوگرامتری و سنجش از دور دارد. الگئریتم SIFT از کارآمدترین روش های نتاظریابی است، که اخیرا به طور موفقیت آمیزی برای مرتبط سازی اتوماتیک تصاویر سنجش از دور استفاده شده است. با این حال عملگرد استخراج عارضه در این الگوریتم همچنان با ضعف های عمده ای همراهاست. علاوه بر پیچیدگی زیاد محاسباتی، میزان کنترل پذیری این الگوریتم در استخارج عوارض تصاویر سنجش از دور، اندک است. در این تحقیق به منظور کاهش پیچیدگی محاسباتی و افزایش کارایی، عملگرد استخارج عارضه در الگوریتم SIFT با عملگرد استخراج گوشه Harris در ساختار هرمی جایگزین شده و روشی کارآ»د برای مرتبط سازی تصاویر اپتیکی سنجش از دور با استفاده از این الگوریتم طراحی گردیده و شکل گرفته است. خصوصیت اساسی این روش، به کارگیری استراتژی ویژه ای برای گزینش بهترین عوارض تصاویر با استفاده از اعمال دو قید پایداری و تمایز و در توزیع کاملی از مکان و مقیاس است. بعد از استخراج عوارض و ایجاد توصیفگر آن ها، فرایند تناظریابی اولیه با استفاده از فاصله اقلیدسی میان توصیفگرها و به صورت چند سطحی و به بهره گیری از روش دو جانبه انجام می شود. درادامه با استفاده از مدل تبدیل پروژکتیو و روش کمترین مربعات، صحت جفت تناظرهای اولیه بررسی می شود و تناظرهای ناسازگار حذف می گردند. در نهایت با تعین پارامترهای یک تابع تبدیل قطعه ای، دو تصویر با یکدیگر مرتبط می شوند. نتایج عملی بر روی چهار جفت تصویر ماهواره ای از سنجنده های مختلف بیانگر کارایی فراوان روش پیشنهادی در مقایسه با الگوریتم استاندارد SIFT است.
نالا بهرامی؛ محمودرضا صاحبی؛ مهدی مختارزاده
دوره 1، شماره 4 ، اسفند 1388
چکیده
با پیدایش نسل جدید ماهواره های سنجس از دور پلاریمتری رادار با وزنه مجازی (SAR) نظیر( TerraSAR-X ، RADARSAT-2 ، ALOS و جز این ها) کاربردهای سنجش ار دور راداری، در زمینه های، پایش و ارزیابی بحران های زیست محیطی، از جمله فرونشست زمین، بررسی فرسایش خاک، وقع زلزله، اشتفشان و سیل دوچندان شده است، هدف اصلی این مقاله، استخراج اطلاعات بنیادی از تصاویر پلاریمتری ...
بیشتر
با پیدایش نسل جدید ماهواره های سنجس از دور پلاریمتری رادار با وزنه مجازی (SAR) نظیر( TerraSAR-X ، RADARSAT-2 ، ALOS و جز این ها) کاربردهای سنجش ار دور راداری، در زمینه های، پایش و ارزیابی بحران های زیست محیطی، از جمله فرونشست زمین، بررسی فرسایش خاک، وقع زلزله، اشتفشان و سیل دوچندان شده است، هدف اصلی این مقاله، استخراج اطلاعات بنیادی از تصاویر پلاریمتری و تعیین میزان اهمین هر کدام از ویژگی های موجود رد فضای ویژگی است. المان های فضای ویژگی از حاصل ضرب باند های HH، VV و HV که در بردارنده اطلاعات دامنه و فاز هستند – تشکیل شده است. با به اجرا در آوردن معیار تفکیک پذیری بین کلاسی فیشر ، اهمیت هر کدام از ویژگی ها مورد بررسی قرار می گیرد و سپس ویژگی ها بر اساس قدرت تفکیک پذیری و همبستگی بین باندی رتبه بندی می شود. در مرحله بعدی با اجرا کردن الگوریتم طبقه بندی نظارت شده، بیشترین شباهت دقت طبقه بندی ترکیب های مختلف ویژگی ها بررسی می شود و در نهایت بهترین ترکیب ویژگی های موجود حاصل می گردد. استخراج بهترین ترکیب متشکل از حداقل ویژگی های موجود در فضای ویژگی، علاوه بر حفظ مهم ترین اطلاعات موجود در تصاویر پلاریمتری، منجر به کاهش حجم پردازش تصاویر پلاریمتری نیز می شود که می توان الگوریتم پیشنهاد شده در این مقاله را روی تماس داده ها پلاریمتری مورد ارزیابی قرار داد.
عطاءالله حدادی؛ محمدرضا صاحبی؛ مهدی مختارزاده؛ هیرش فتاحی
دوره 1، شماره 3 ، آذر 1388
چکیده
در پژوهش حاضر، روشی ترکیبی از شکبههای عصبی نظارت شده و نظارت نشده برای طبقه بندی تصاویر سنجش از دور ارائه شده است. مبنای الگوریتم پیشنهادی، شبکه های خودسازمانده (SOM) و الگوریتم شبکه عصبی پس اتشار خطاست. الگوریتم طبقه بندی نظارت نشده SOM به تنهایی قادر به طبقه بندی و برچسب گذاری دقیق نتیجه نهایی نیست، لذا در نوشتار حاضر از الگوریتم پس ...
بیشتر
در پژوهش حاضر، روشی ترکیبی از شکبههای عصبی نظارت شده و نظارت نشده برای طبقه بندی تصاویر سنجش از دور ارائه شده است. مبنای الگوریتم پیشنهادی، شبکه های خودسازمانده (SOM) و الگوریتم شبکه عصبی پس اتشار خطاست. الگوریتم طبقه بندی نظارت نشده SOM به تنهایی قادر به طبقه بندی و برچسب گذاری دقیق نتیجه نهایی نیست، لذا در نوشتار حاضر از الگوریتم پس انتشار خطا برای تعیین بر چسب نهایی کلاس ها استفاده شده است. در ابتدا تصویر با استفاده از الگوریتم شبک های خودسازمانده بخش بندی می شود. سپس برچسب های نرون های شبکه های خودسازمانده با استفاده از الگوریتم پس انتشار خطا و داده های آموزشی تعیین می شود و در ادامه نقشه پوششی تهیه می گردد. به منظور کاهش حجم سنگین محاسبات شبکه های خودسازمانده، در پژوهش حاضر از الگوریتم PCA برای تعیین مقدار اولیه بردار وزن نرون ها استفاده شده است. ارزیابی الگوریتم پیشنهادی با تصاویر چندطیفی لندست (ETM+) و IKONOS انجام گرفت. هر قسمت از الگوریتم با الگوریتم های دیگر جایگزین شد و نتایج به دستآمده با الگوریتم پیشنهادی مقایسه گردید. در ابتدا به جای الگوریتم SOM از الگوریتم های نظارت نشده K-Means و FCM و به جای الگوریتم MLP برای تعیین بر چسب نرون های الگوریتم SOM از الگوریتم KNN استفاده گردید. همنچنین نتایج نهایی الگوریتم پیشنهادی با دیگر الگوریتم های طبقه بندی مقایسه شد. نتایج حاصل از دقت طبقه بندی الگوریتم پیشنهادی و دیگر الگوریتم ها، نشان می دهد که الگوریتم پیشنهادی توانانی بهبود نتایج طبقه بندی را – به ویژه برای تعداد نمونه های آموزشی اندک - داراست.