مرجان طاهری؛ محمودرضا صاحبی؛ مهرنوش امتی
چکیده
سنجندههای رادار با روزنة مجازی، با داشتن ویژگیهای گسترده، پتانسیل بسیاری در انواع کاربردهای سنجش از دوری دارند؛ ازجمله در قطعهبندی بههنگام پوشش و کاربری اراضی. با وجود دو رویکرد مستقل قطعهبندی ناحیهمبنا و مرزمبنا، بهدستآوردن نتایج رضایتبخش در صورت استفاده از هریک از رویکردها در تصاویر SAR دشوار بوده است؛ درحالیکه ...
بیشتر
سنجندههای رادار با روزنة مجازی، با داشتن ویژگیهای گسترده، پتانسیل بسیاری در انواع کاربردهای سنجش از دوری دارند؛ ازجمله در قطعهبندی بههنگام پوشش و کاربری اراضی. با وجود دو رویکرد مستقل قطعهبندی ناحیهمبنا و مرزمبنا، بهدستآوردن نتایج رضایتبخش در صورت استفاده از هریک از رویکردها در تصاویر SAR دشوار بوده است؛ درحالیکه میتوان با استفاده از اطلاعات مکمل هر دو روش، محدودیتهای موجود را برطرف کرد و نتایج حاصل را بهبود بخشید. در این پژوهش، روش نوینی در قطعهبندی با استفاده از تصاویر پلاریمتری SAR و با هدف بهبود نتایج قطعهبندی مطرح شده که از ادغام هر دو رویکرد بهره گرفته است. روش پیشنهادی Felzenszwalb بهمنزلة الگوریتم پیشنهادی ناحیهمبنا، از مجموعه روشهای سوپرپیکسل، با دو روش Quickshift و SLIC مقایسه شد. نتیجه مشخص کرد که روش پیشنهادی توانسته است از قطعهبندی بیشازحد تصویر جلوگیری کند و کارآیی آنالیز قطعهبندی را افزایش درخور توجهی بخشد. روش پیشنهادی قطعهبندی مرزمبنای آنتروپی شانون نیز، در مقایسه با دو روش گرادیانمبنای کنی و لاپلاسین، مرزهای قطعات تصویری را تا اندازة چشمگیری حفظ کرده است. مقایسة نتایج حاصل از اجرای این روش با دادههای مرجع، مقادیر 39/10% و 25/11% را درمورد خطای کل، بهترتیب برای تصویر زمان اول و دوم، نشان میدهد. خطای کل، در مقایسه با عملکرد دو روش دیگر، 81/5 و 73/9% در تصویر اول و 16/11 و 86/13% در تصویر دوم بهبود داده شده است. در نهایت، ادغام دو رویکرد پیشنهادی قطعهبندی سبب شده است بهبود دقت در قطعهبندی تصویر پلاریمتری دستاورد مهم این پژوهش محسوب شود.
محسن اسمعیل نژاد سلطانلو؛ محمود رضا صاحبی
دوره 10، شماره 4 ، اردیبهشت 1397، ، صفحه 121-144
چکیده
دادههای پلاریمتری-اینترفرومتری راداری، با فراهمکردن اطلاعاتی از نوع شدت، دارابودن اطلاعات پلاریمتری دو تصویر و اطلاعات ارتفاعی حاصل از اینترفرومتری، توانایی زیادی در طبقهبندی پوششهای زمین دارند که این ویژگیهای سهگانه در آنتروپی شانون حاصل از این دادهها، به تفکیک قابل مشاهده هستند. استفاده همزمان این پارامترها، نقش ...
بیشتر
دادههای پلاریمتری-اینترفرومتری راداری، با فراهمکردن اطلاعاتی از نوع شدت، دارابودن اطلاعات پلاریمتری دو تصویر و اطلاعات ارتفاعی حاصل از اینترفرومتری، توانایی زیادی در طبقهبندی پوششهای زمین دارند که این ویژگیهای سهگانه در آنتروپی شانون حاصل از این دادهها، به تفکیک قابل مشاهده هستند. استفاده همزمان این پارامترها، نقش تکمیلکنندهای در طبقهبندی ارائه میکنند، بهطوریکه حضور اطلاعات اینترفرومتری، باعث افزایش دقت طبقهبندی میشود. همچنین دادههای اخذشده از دنیای واقعی، دارای پیوستگی مکانی هستند. بنابراین در این تحقیق، از الگوریتم میدان تصادفی مارکوف به منظور در نظرگرفتن همسایگیهای پیکسلی و مجموعه پارامترهای آنتروپی شانون دادههای پلاریمتری-اینترفرومتری راداری برای طبقهبندی استفاده میشود. الگوریتم میدان تصادفی مارکوف برای شروع، نیاز به یک نقشه طبقهبندی شده اولیه دارد. نقشه طبقهبندی شده اولیه با استفاده از بی نظمی و ناهمسانگردی پلاریمتری و پلاریمتری-اینترفرومتری و ادغام کلاسهای حاصل، براساس شباهت ماتریس همدوسی پلاریمتری-اینترفرومتری مراکز کلاسها، تهیه میشود. بررسی کارآیی الگوریتمپیشنهادی با استفاده از داده پلاریمتری-اینترفرومتری اخذشده توسط سازمان فضایی آلمان(DLR) انجام میشود. در تحقیق حاضر، از شاخص درجه خلوص خوشهها برای ارزیابی عملکرد الگوریتم پیشنهادی و چند الگوریتم دیگر استفاده میشود. درجه خلوص کل حاصل از الگوریتمپیشنهادی در مقایسه با درجه خلوص حاصل از الگوریتمهای -ویشارت( )، االگوریتم پیشنهادی –ویشارت( )، -FCM ویشارت( ) و طبقهبندی با کمک سه پارامتر آنتروپی شانون و الگوریتم خوشهبندی FCM به ترتیب به مقدار 28.48%، 11.38%، 16.60% و19.60% افزایش پیدا کرده است.
سارا صالحی؛ محمدجواد ولدان زوج؛ محمودرضا صاحبی
دوره 9، شماره 2 ، اسفند 1396، ، صفحه 21-40
چکیده
استفاده از دادههای چندکانالة1 سنجندههای رادار با روزنة مجازی (SAR)2، بهدلیل مستقلبودن از شرایط جوی و نور خورشید و نیز دارابودن قابلیت بالا در استخراج تغییرات، در مقایسه با حالت تککاناله، در کاربردهای متفاوتی مانند نظارت بر محیطزیست و مدیریت بلایای طبیعی بسیار توجیهپذیر است. با این حال، بهرهبرداری از این قابلیتها به استفاده ...
بیشتر
استفاده از دادههای چندکانالة1 سنجندههای رادار با روزنة مجازی (SAR)2، بهدلیل مستقلبودن از شرایط جوی و نور خورشید و نیز دارابودن قابلیت بالا در استخراج تغییرات، در مقایسه با حالت تککاناله، در کاربردهای متفاوتی مانند نظارت بر محیطزیست و مدیریت بلایای طبیعی بسیار توجیهپذیر است. با این حال، بهرهبرداری از این قابلیتها به استفاده از روشهای دقیق و اتوماتیک برای تولید نقشههای تغییرات از تصاویر اخذشده از منطقة جغرافیایی یکسان، در پلاریزاسیونها یا فرکانسهای گوناگون مربوط به زمانهای متفاوت، نیاز دارد. از سوی دیگر، حساسیت به بافت صحیح برای یک پیکسل میتواند به حذف خطاهای برچسبگذاری پیکسلهای منفرد کمک کند و نقشة تغییرات را بهبود بخشد. حذف نویز لکهای و ماهیت ایزوتروپیک مدلسازی میدانهای تصادفی مارکوف موجب نرمشدن مرزهای مکانی بین مناطق تغییریافته و تغییرنیافته در نقشة تغییرات نهایی میشود. بهمنظور حذف یا دستکم کاهش این اثر نامطلوب، استفاده از مدل مارکوف با هدف دخیلکردن اطلاعات لبهها در فرایند برچسبگذاری پیشنهاد میشود. این روند دقت لبهها در محل مرزهای مکانی را بهبود میبخشد و دقت آشکارسازی تغییرات را ارتقا میدهد. در این تحقیق، یک مدل مارکوف بهمنظور تشخیص نظارتنشدة تغییرات، ازطریق ترکیب اطلاعات موجود در هریک از کانالهایSAR ، اطلاعات بافت مکانی و نیز اطلاعات لبه، معرفی شده و با استفاده از «توابع انرژی» فرموله شده است. بهمنظور برآورد پارامترهای مدل، الگوریتم بیشینهسازی امید ریاضی (EM)3 با روش مشتقات لگاریتمی (MoLC)4 ترکیب شده است. الگوریتم پیشنهادی با استفاده از تصاویر ASAR-ENVISAT بهروش شبیهسازی ارزیابی شده است. براساس نتایج، روش پیشنهادی دقت کلی را، در مقایسه با روشهای موجود آشکارسازی تغییرات (با میانگین 12%)، افزایش داده و قابلیت شناسایی هر سه نوع تغییرات (اندک- متوسط- زیاد) را داراست. این در حالی است که، با درنظرگرفتن اطلاعات باندها و بافت مکانی، قدرت شناسایی تغییرات اندک و متوسط بسیار پایین برآورد شده است. همچنین، با توجه به تعداد دفعات تکرار پایین، زمان اجرای الگوریتم بسیار کاهش یافته است. بهطورکلی، بیشترین دقت الگوریتم، براساس روش پیشنهادی، 67/99% برآورد شد.
یوسف رضائی؛ محمدجواد ولدان زوج؛ محمودرضا صاحبی
دوره 9، شماره 1 ، دی 1396، ، صفحه 1-16
چکیده
یخچالهای طبیعی و تغییرات و حرکت آنها در جایگاه شاخصهایی برای نشاندادن تغییرات آبوهوایی بهکار میروند و بهمنظور ارزیابی تغییرات سطحی یخچال ناشی از تغییرات اقلیمی، باید مطالعات بلندمدت انجام شود. استفاده از تصاویر ماهوارهای راهی مؤثر برای استخراج سرعت حرکت یخچال محسوب میشود. در این تحقیق با استفاده از عکسهای هوایی ...
بیشتر
یخچالهای طبیعی و تغییرات و حرکت آنها در جایگاه شاخصهایی برای نشاندادن تغییرات آبوهوایی بهکار میروند و بهمنظور ارزیابی تغییرات سطحی یخچال ناشی از تغییرات اقلیمی، باید مطالعات بلندمدت انجام شود. استفاده از تصاویر ماهوارهای راهی مؤثر برای استخراج سرعت حرکت یخچال محسوب میشود. در این تحقیق با استفاده از عکسهای هوایی قدیمی و تصاویر ماهوارهای جدید، تغییرات سطحی و بردارهای جابهجایی و سرعت یخچال علمچال، با استفاده از الگوریتم خودکار، محاسبه شده است. تمامی دادهها، شامل عکسهای هوایی و تصاویر، بهصورت ارتو[1] درآمدند و از نظر رادیومتریکی و هندسی همسانسازی شدند. با استفاده از عکس هوایی سال 1955 و مقایسة آن با تصویر SPOT سال 2003، میزان عقبنشینی یخچال در قسمت پیشانی آن بهدست آمد. همچنین، تغییرات کوتاهمدت در دو بازة زمانی بین 1998 تا 2003 و 2003 تا 2005، با استفاده از عکسهای هوایی و تصاویرSPOT و Quick Bird، استخراج شد. در این تحقیق، با استفاده از روش مبتنیبر تبدیل فوریه و محاسبة همبستگی، بردارهای سرعت سطحی با خطای کمتر از دو متر استخراج شد. نتایج دقت و قابلیت روش پیشنهادی را برای ارزیابی میزان عقبنشینی و نیز اندازهگیری سرعت سطحی یخچال نشان میدهند و میتوان این نتایج را بهمنظور مطالعات مربوط به تغییرات اقلیمی در سطح منطقهای بهکار برد.
حسین آقابابایی؛ محمودرضا صاحبی
دوره 8، شماره 4 ، آذر 1395، ، صفحه 1-16
چکیده
هدف این مقاله ارزیابی توانمندی استخراج پارامترهای جنگلی همچون ارتفاع درختان با تکنیکهای تداخلسنجی راداری با روزنة ترکیبی است. هدف عمده از تصاویر پلاریمتری راداری، در کاربردهای جنگلی، جداسازی مراکز فاز ناشی از توپوگرافی سطح زمین و تاج درختان است. یکی از روشهای بسیار مرسوم در این زمینه بهکارگیری ساختار دولایهای مبتنیبر ...
بیشتر
هدف این مقاله ارزیابی توانمندی استخراج پارامترهای جنگلی همچون ارتفاع درختان با تکنیکهای تداخلسنجی راداری با روزنة ترکیبی است. هدف عمده از تصاویر پلاریمتری راداری، در کاربردهای جنگلی، جداسازی مراکز فاز ناشی از توپوگرافی سطح زمین و تاج درختان است. یکی از روشهای بسیار مرسوم در این زمینه بهکارگیری ساختار دولایهای مبتنیبر مدل پرکاربرد پراکنش حجمی نامنظم روی سطوح (RVOG) است. این مدل در یک دستگاه معادلات غیرخطی پارامترهای گوناگون —مانند توپوگرافی زمین، ارتفاع درخت، ضریب میرایی موج و نسبت دامنه— پراکنش سطحی به حجمی را تخمین میزند. با این حال بهدلیل وابستگی شدید نتایج مدل به مقادیر اولیة مجهولات و بهدلیل زمانبربودن و پیچیدگی حل دستگاه غیرخطی برای تمامی سلولهای تصویر، بیشتر اوقات مسئله براساس فرضیات خاصی در ارتباط با مدلهای پراکنش حل میشود. با وجود این، نتایج این روشها نیز تحت تأثیر فرضیات قرار میگیرند و غالباً نمیتوانند منجر به تعیین مناسب پارامترها شوند. ازاینرو برای حل مسائل پیش رو در این مقاله، با درنظرگرفتن ساختار دولایهای جنگل، روشی مدلمبنا در تعیین توپوگرافی سطح زمین و ارتفاع درختان مطرح میشود. روش در نظر گرفتهشده بدون هیچ پیشفرضی در ارتباط با پارامترهای مجهول، سعی در تخمین بهینة آنها دارد و یافتههای پژوهش نشان میدهد که این مدل کارآیی بهتری از دو روش مرسوم مدل معکوس و SPIRIT دارد؛ بهطوری که شاخص RMSE تخمین ارتفاع درختان از مقدار 26/13 و 41/11 متر بهترتیب در روش مدل معکوس و SPIRIT به مقدار 34/7 متر در روش عرضهشده کاهش یافته 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.
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.
رضا حسینخانی؛ محمودرضا صاحبی؛ حمید عبادی
دوره 6، شماره 3 ، دی 1393
چکیده
سنجش از دور را میتوان بهعنوان ابزاری قدرتمند با بهکارگیری داده از منابع مختلف و تلفیق آنها با یکدیگر برای طبقهبندی انواع پوشش گیاهی و کاربری اراضی بهکار گرفت. طبقهبندی انواع مراتع، اطلاعات اصلی را برای آنالیز بهرهوری کشاورزی، محاسبة کربن و شناسایی تنوع زیستی فراهم میکند. نخستین مجموعه دادههای استفادهشده در مطالعة ...
بیشتر
سنجش از دور را میتوان بهعنوان ابزاری قدرتمند با بهکارگیری داده از منابع مختلف و تلفیق آنها با یکدیگر برای طبقهبندی انواع پوشش گیاهی و کاربری اراضی بهکار گرفت. طبقهبندی انواع مراتع، اطلاعات اصلی را برای آنالیز بهرهوری کشاورزی، محاسبة کربن و شناسایی تنوع زیستی فراهم میکند. نخستین مجموعه دادههای استفادهشده در مطالعة حاضر، تصویر لندست (Thermatic Mapper) TM و دومین مجموعة دادهها، تصویر راداری ENVISAT ASAR برای منطقة مورد مطالعه واقع در محدودة شمالغربی شهر تهران (البرز جنوبی) است. در پژوهش حاضر، پس از اعمال چندین روش تصحیح توپوگرافی تصویر نوری که همگی جزو روشهای غیرلامبرتیاند و با توجه به معیارهای ارزیابی این روشها، تصحیح توپوگرافی تصویر نوری انجام شد. در ادامه، سودمندی و بهبودی که با استفاده از ویژگیهای استخراجشده از تصویر راداری و نوری که شامل بافت آنهاست و در تلفیق با باندهای طیفی تصویر نوری بهکار رفته است. روی نتایج طبقهبندی نهایی بررسی شد. برای انتخاب ویژگیهای مستقل که منتج به بالاترین صحت نتایج شود از الگوریتم ژنتیک استفاده شد. تأثیر استفاده از دادههای ارتفاعی منطقه و شاخصهای گیاهی تصویر نوری بر نتایج نهایی طبقهبندی در بخش دیگری از تحقیق بررسی و باندهای بهینه انتخاب شدند. نتایج بهدستآمده نشاندهندة افزایش صحت کلی و ضریب کاپای طبقهبندی بیشترین شباهت از 04/77 و 7317/0 برای تصویر نوری اولیه به 1/78 و 7495/0 در حالت استفاده از الگوریتم ژنتیک و 37/83 و 8036/0 در حالت استفاده از دادههای ارتفاعی و شاخصهای گیاهی است. کلیدواژهها: تلفیق تصاویر، طبقهبندی مراتع، تصحیح توپوگرافی، بافت تصویر، سنجش از دور.
سمیه یعقوبی
دوره 6، شماره 2 ، آبان 1393
چکیده
آنالیز موفولوژی، با تمرکز بر آنالیز روابط مکانی بین پیکسلهای همسایه، پردازش تصویر کاملتری را در مقایسه با آنالیزهایی که بر پایة اثر طیفی یک پیکسل تنها هستند، بهدست میدهد. روش پیشنهادی در این مقاله با استفادة همزمان از اطلاعات طیفی و اطلاعات مکانی حاصل از آنالیز مورفولوژی نتایج نهایی طبقهبندی را در تصاویر ابرطیفی بهبود ...
بیشتر
آنالیز موفولوژی، با تمرکز بر آنالیز روابط مکانی بین پیکسلهای همسایه، پردازش تصویر کاملتری را در مقایسه با آنالیزهایی که بر پایة اثر طیفی یک پیکسل تنها هستند، بهدست میدهد. روش پیشنهادی در این مقاله با استفادة همزمان از اطلاعات طیفی و اطلاعات مکانی حاصل از آنالیز مورفولوژی نتایج نهایی طبقهبندی را در تصاویر ابرطیفی بهبود میبخشد. در این پژوهش ابتدا با استفاده از نمونههای آموزشی محدود، ویژگیهای منتخب اولیه استخراج شدند و پس از اعمال آنالیزهای مورفولوژی روی هر یک از آنها، پروفایلهای مورفولوژی تشکیل شدند و از ترکیب این پروفایلها، پروفایل مورفولوژی گسترده تولید شد. سپس پروفایل مورفولوژی گستردهشده با ویژگیهای منتخب اولیه ترکیب شد و مجدداً استخراج ویژگی نهایی صورت گرفت. ویژگیهای منتخب نهایی با استفاده از طبقهبندیکنندة ماشین بردار پشتیبان طبقهبندی شدند. سپس پسپردازش تصویر نهایی با استفاده از فیلتر رأیگیری اکثریت انجام شد. این روش، روی دادة شهری و نیمهشهری از سنجندة ROSIS تست شد. دقت طبقهبندی نهایی از 86/98 و 70/82 درصد در روشهای معمولی به 36/99 و 75/95 درصد در روش پیشنهادی بهترتیب در تصویر منطقة شهری و نیمهشهری افزایش یافته است. کلیدواژهها: آنالیز مورفولوژی، ماشینبردار پشتیبان، استخراج ویژگی، طبقهبندی، رأیگیری اکثریت.
محمودرضا صاحبی
دوره 6، شماره 2 ، آبان 1393
چکیده
تجمع گازهای گلخانهای در اتمسفر، مهمترین عامل افزایش دمای کرة زمین از نیمة دوم قرن بیستم به بعد، شناخته شده است. بهدامانداختن کربن در جنگلها و میان درختان راهحلی عملی، کارآمد و ارزان برای کاهش سطح دیاکسیدکربن در اتمسفر است. بنابراین اندازهگیری زیستتوده در بررسی تغییرات آبوهوایی و چرخة کربن جهانی اهمیت ویژهای ...
بیشتر
تجمع گازهای گلخانهای در اتمسفر، مهمترین عامل افزایش دمای کرة زمین از نیمة دوم قرن بیستم به بعد، شناخته شده است. بهدامانداختن کربن در جنگلها و میان درختان راهحلی عملی، کارآمد و ارزان برای کاهش سطح دیاکسیدکربن در اتمسفر است. بنابراین اندازهگیری زیستتوده در بررسی تغییرات آبوهوایی و چرخة کربن جهانی اهمیت ویژهای دارد. در پژوهش حاضر روشی بر پایة تبدیلات موجک بهمنظور تخمین زیستتوده در منطقهای جنگلی با درختان پهنبرگ در شمال ایران ارائه شده است. تبدیلات مختلف موجک (تبدیلات دوبعدی گسسته) روی تصویر رادار با روزنة مجازی سنجندة ALOS PALSAR اعمال شدند و ضرایب بهدستآمده بهعنوان دادههای جداگانه ذخیره شدند. میزان همبستگی هریک از پارامترهای محاسبهشده با مقدار زیستتوده بهوسیلة آنالیز رگرسیون چندگانه بررسی شد. نتایج نشان دادند که ضرایب بهدستآمده از تبدیل موجک Db2 در مقایسه با سایر تبدیلات، همبستگی بیشتری با مقدار زیستتوده دارند. در تجزیة یکمرحلهای، مقدار همبستگی با زیستتوده تقریباً 5/0 و در تجزیة دومرحلهای تصاویر، مقدار همبستگی بهدستآمده برای تصویر مایکروویو به بیش از 75/0 ارتقا پیدا کرد. پژوهش حاضر نشان داد که استفاده از تبدیلات موجک میتواند روش مناسبی برای تخمین زیستتوده ـ بهویژه در مناطقی با ساختار پوشش گیاهی پیچیده ـ باشد. کلیدواژهها: تصاویر آلوس پالسار، تبدیل موجک، زیستتودة جنگل، آنالیز رگرسیون چندگانه.
وحید صادقی؛ حمید عبادی؛ محمودرضا صاحبی؛ یاسر مقصودی؛ فرشید فرنود احمدی
دوره 6، شماره 1 ، تیر 1393
چکیده
آشکارسازی صحیح و آنی تغییرات پوشش و کاربری اراضی از موضوعات مهم حوزة برنامهریزی و مدیریت اراضی بهشمار میآید. یکی از روشهای متداول شناسایی تغییرات، آنالیز تصاویر سنجش از دوری با تکنیکهایی نظیر حد آستانهگذاری تصویر اختلاف است. روشهای متداول حد آستانهگذاری، عموماً مبتنی بر جستوجوی فراگیر و مستلزم صرف هزینة محاسباتی ...
بیشتر
آشکارسازی صحیح و آنی تغییرات پوشش و کاربری اراضی از موضوعات مهم حوزة برنامهریزی و مدیریت اراضی بهشمار میآید. یکی از روشهای متداول شناسایی تغییرات، آنالیز تصاویر سنجش از دوری با تکنیکهایی نظیر حد آستانهگذاری تصویر اختلاف است. روشهای متداول حد آستانهگذاری، عموماً مبتنی بر جستوجوی فراگیر و مستلزم صرف هزینة محاسباتی بالایی هستند. از طرفی، ماهیت تکبعدی آنها سبب میشود تا در حل مسائل چندبعدی ـ همچون حد آستانهگذاری تصاویر چندطیفی سنجش از دوری ـ زمان محاسبات بهطور نمایی افزایش یابد. راهکار پیشنهادی این پژوهش برای کاهش زمان محاسبات تکنیکهای متداول حد آستانهگذاری، استفاده از الگوریتم بهینهسازی توده ذرات است که تکنیک سریع و کارآمدی را برای شناسایی تغییرات معرفی میکند. روش پیشنهادی همراه با چندین روش متداول حد آستانهگذاری روی دو سری دادة تصاویر دوزمانة سنجنده TM پیادهسازی شد. برای ارزیابی قابلیت تکنیک ارائهشده در این پژوهش از سه پارامتر زمان محاسبات، صحت آشکارسازی تغییرات و پایداری الگوریتم در برآورد حد آستانة بهینه استفاده شد. نتایج ارزیابی نشان میدهند که الگوریتم پیشنهادی ضمن حفظ صحت آشکارسازی تغییرات، سبب کاهش زمان محاسبات در حدود 15 درصد و 98 درصد در مقایسه با دو تکنیک حد آستانهگذاری OTSU و کمینهسازی مجموع واریانس داخلکلاسی شده است. همچنین با مقایسة مقادیر جدول توزیع نرمال استاندارد با آمارة آزمون برآوردشده، ثبات الگوریتم پیشنهادی در برآورد حد آستانة بهینه در سطح اطمینان 90 درصد پذیرفته شد. نتایج حاصل از تحقیق بیانگر قابلیت بالای تکنیک پیشنهادی در حد آستانهگذاری سریع، پایدار و کارآمد تصویر اختلاف بهمنظور آشکارسازی خودکار و نظارتنشدة تغییرات در تصاویر ماهوارهای چندزمانه است.
عباس کیانی؛ محمودرضا صاحبی؛ حمید عبادی
دوره 5، شماره 4 ، اسفند 1392
چکیده
آشکارسازی لبه یکی از مفاهیم کاربردی در پردازش تصاویر سنجش ازدور است. هدف آشکارسازی لبه، نشانگذاری نقاطی از تصویر است که در آنها میزان روشنایی بهشدت تغییر میکند. تغییرات شدید خصوصیات تصویر معمولاً نمایندة رویدادهای مهم و تغییر در خصوصیات محیط هستند و در کاربردهای مختلفی نظیر بخشبندی تصاویر ماهوارهای کاربرد دارند. بسیاری ...
بیشتر
آشکارسازی لبه یکی از مفاهیم کاربردی در پردازش تصاویر سنجش ازدور است. هدف آشکارسازی لبه، نشانگذاری نقاطی از تصویر است که در آنها میزان روشنایی بهشدت تغییر میکند. تغییرات شدید خصوصیات تصویر معمولاً نمایندة رویدادهای مهم و تغییر در خصوصیات محیط هستند و در کاربردهای مختلفی نظیر بخشبندی تصاویر ماهوارهای کاربرد دارند. بسیاری از روشهای کلاسیک تشخیص لبه بر مشتق پیکسلهای تصویر اصلی متکی هستند، مانند اپراتورهای گرادیان، لاپلاسین و لاپلاسین از اپراتور گاوسی. در تصاویر سنجش از دوری بهعلت بالابودن میزان تغییرات، اپراتورهای کشف با ضعف در تشخیص صحیح محدودة عوارض و حفظ پیوستگی و انسجام محدودة آنها همراهاند. در پژوهش حاضر بهمنظور حل این مشکلات، سیستمی دانشپایه برای کشف لبه براساس خصوصیات تصاویر سنجش از دوری ارائه میشود. در این روش ابتدا بهصورت منطقهای و با استفاده از سیستم دانشپایه، حدود آستانة مناطق مختلف تصویر تعیین میشود و سپس با استفاده از شانون آنتروپی مرز بین این مناطق استخراج میشود. این کار موجب حفظ پیوستگی لبههای کشفشده خواهد شد. از مزایای این روش بررسی ویژگیهای تصویر بهشکل جزئی و کلی بهصورت همزمان است. این سیستم قابلیت انعطاف با نوع نیاز و خواست کاربر را برحسب میزان جزئیات و کاربرد مورد نظر دارد. درنهایت بهمنظور ارزیابی روش، نتایج بهدستآمده با الگوریتمهای استاندارد سوبل، پرویت و LoG مقایسه شدند و نشان داده شد که این روش بهشکل کارآمدی قادر به شناسایی لبههای تصاویر مختلف است.
علی رضا صفدری نژاد؛ محمودرضا صاحبی؛ میلاد نیرومند جدیدی
دوره 4، شماره 1 ، خرداد 1391
چکیده
استفاده از داده های پلاریمتری راداری نقش تعیین کننده ای در شناسایی اهداف زمینی دارد و اطلاعات جامعی در مورد ویژگی های هندسی و همچنین ماهیت اهداف، با بهره گیری از این نوع داده ها استخراج شدنی است. از جمله مشکلات موجود در زمینه طبقه بندی این نوع داده ها، انتخاب ویژ"ی های بهینه است. با توجه به اهمیت این موضوع، در تحقیق حاضر روشی نو بر اساس ...
بیشتر
استفاده از داده های پلاریمتری راداری نقش تعیین کننده ای در شناسایی اهداف زمینی دارد و اطلاعات جامعی در مورد ویژگی های هندسی و همچنین ماهیت اهداف، با بهره گیری از این نوع داده ها استخراج شدنی است. از جمله مشکلات موجود در زمینه طبقه بندی این نوع داده ها، انتخاب ویژ"ی های بهینه است. با توجه به اهمیت این موضوع، در تحقیق حاضر روشی نو بر اساس نگاشت ویژگی های استخراج شده به فضای پدیده ارائه شده است. به عنوان یکی از نتایج تحقیق، شاخص بهینگی در فضای پدیده برای انتخاب ویژگی های بهینه تصاویر پلاریمتری راداری ارائه گردید. از طرف دیگر، یکی از محدودیت های موجود در زمینه استخراج اطلاعات دقیق مکانی، اختلاط مکانیسم های بازپراکنش در سطح پیکسل است. بنابراین، استفاده از طبقه بندی کننده های نرم به منظور تجزیه این نوع اختلاط ها ضروری است. اینکه تضمینی برای منفی نشدن سهم کلاس ها و همچنین واحد شدن مجموع سهم کلاس ها در هر پیکسل وجود ندارد، خود از چالش های طبقه بندی کننده های نرم است، که در این تحقیق با تلفیق طبقه بندی کننده نرم و الگوریتم نظارت نشده استخراج عناصر خالص مرتفع گردید. طبقه بندی کننده های نرم به رغم افزایش اطلاعات ماهیتی در نتایج طبقه بندی، توان جانمایی کلاس ها را در سطح زیرپیکسل ندارند و فقط سهم تعلق کلاس ها را در هر پیکسل تعیین می کنند. بدین منظور الگوریتم های (SRM) Super Resolution Mapping برای افزایش قدرت تفکیک مکانی در سطح نتایج طبقه بندی نرم شکل گرفته و پرورده شده اند. در این تحقیق نیز از روش جابه جایی پیکسلی به منظور تهیه نقشه در سطح زیرپیکسل استفاده شده و فرایندی غیرتصادفی برای جانمایی اولیه زیرپیکسل ها ارائه گردیده است. بر اساس نتایج تحقیق، روش پیشنهادی برای انتخاب ویژگی های بهینه در مقایسه با روش مبتنی بر الگوریتم ژنتیک نتایج بهتری را به دست داد. در ادامه با استفاده از ویژگی های به دست آمده، سه الگوریتم تجزیه اختلاط طیفی خطی (LSU)، شبکه عصبی چندلایه (MLP) و ماشین بردار پشتیبان (SVM) برای طبقه بندی نرم منطقه مطالعاتی در سه کلاس مسکونی، پوشش گیاهی و زمین بایر اعمال گردید. با ارزیابی آنها، SVM به عنوان طبقه بندی کننده بهینه شناسایی شد و نتایج آن در فرایند جانمایی کلاس ها در سطح زیر پیکسل به کار رفت. در نهایت با پیاده سازی الگوریتم جابه جایی پیکسلی، تصاویر پلاریمتری راداری در سطح زیرپیکسل طبقه بندی شدند و قدرت تفکیک مکانی نتایج طبقه بندی نرم بهبود یافت.
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.