فرامرز سرمدی؛ حمید عبادی؛ علی محمدزاده
دوره 7، شماره 2 ، بهمن 1394، ، صفحه 55-68
چکیده
آشکارسازی تغییرات پوشش اراضی برای پایش رشد شهرها و برنامه‌ریزی مسئولانه در مورد آنها امری ضروری است. سنجش از دور فناوری قدرتمندی است که می‌توان از آن در آشکارسازی تغییرات اراضی استفاده کرد. یکی از چالش‌های موجود در این زمینه توسعة روش‌‌های کارآمد به‌منظور آشکارسازی تغییرات با سطح خودکارسازی بالاست که بتواند اطلاعاتی صحیحی ...
بیشتر
آشکارسازی تغییرات پوشش اراضی برای پایش رشد شهرها و برنامه‌ریزی مسئولانه در مورد آنها امری ضروری است. سنجش از دور فناوری قدرتمندی است که می‌توان از آن در آشکارسازی تغییرات اراضی استفاده کرد. یکی از چالش‌های موجود در این زمینه توسعة روش‌‌های کارآمد به‌منظور آشکارسازی تغییرات با سطح خودکارسازی بالاست که بتواند اطلاعاتی صحیحی در مورد موقعیت جغرافیایی و ماهیت این تغییرات ارائه کند. در پژوهش حاضر با استفاده از دو تصویر GeoEye منطقة 17 شهر تهران مربوط به سال‌های 2004 و 2010 از ویژگی‌های مکانی متن تصویر، شبکه‌های عصبی و الگوریتم ژنتیک برای آشکارسازی تغییرات استفاده شد. شش حالت مختلف، هریک با دو رویکرد طبقه‌بندی مستقیم چندزمانی و مقایسة پس از طبقه‌بندی، از دیدگاه صحت آشکارسازی و زمان اجرای الگوریتم مورد مقایسه قرار گرفتند. بررسی‌های انجام‌شده نشان دادند که رویکرد طبقه‌بندی مستقیم چندزمانی در هر شش حالت نتایج بهتری ارائه کرده است. همچنین در بین شش حالت بررسی‌شده، عملکرد حالت ششم (روش پیشنهادی این تحقیق) از نظر صحت طبقه‌بندی بهتر است. در حالت ششم پس از انتخاب بهینة ویژگی‌ها، طبقه‌بندی مبتنی بر شبکه‌های عصبی با تعیین معماری شبکه و با چندین بار اجرا صورت می‌گیرد. هرچند زمان اجرای این روش درمقایسه با دیگر حالت‌های بررسی‌شده بیشتر است، اما درصورتی‌که صحت طبقه‌بندی به زمان ارجحیت داشته باشد این روش کاملاً توصیه می‌شود
حسین صادقی؛ علی حسینی پور؛ روزبه شاد
دوره 7، شماره 3 ، بهمن 1394، ، صفحه 83-96
چکیده
امروزه آشکارسازی تغییرات با استفاده از تصاویر ماهواره‌ای، یکی از حوزه‌های اصلی تحقیقات به شمار می‌رود. یکی از مشکلات استفاده از تصاویر ماهواره‌ای خطاهای بی‌شمار در این تصاویر است. خطاهای ناشی از اثر نورپردازی سطح جزء مشکلات اساسی در فرایند آشکارسازی تغییرات‌اند. از این رو، در پژوهش پیش رو، به منظور کاهش خطاهای ایجادشده در نتایج ...
بیشتر
امروزه آشکارسازی تغییرات با استفاده از تصاویر ماهواره‌ای، یکی از حوزه‌های اصلی تحقیقات به شمار می‌رود. یکی از مشکلات استفاده از تصاویر ماهواره‌ای خطاهای بی‌شمار در این تصاویر است. خطاهای ناشی از اثر نورپردازی سطح جزء مشکلات اساسی در فرایند آشکارسازی تغییرات‌اند. از این رو، در پژوهش پیش رو، به منظور کاهش خطاهای ایجادشده در نتایج آشکارسازی تغییرات با استفاده از روش آنالیز بردار تغییرات، روشی ساده و در عین حال مناسب برای کاهش خطاهای ناشی از اثر نورپردازی ارائه شده است. در روش پیشنهادی، پس از اعمال تبدیل Tasseled cap روی تصاویر، جهت بردار تغییرات با راستای بردار پیکسل مربوط به تصویر مبنا در فضای طیفی مقایسه و سپس آستانهای زاویهای، برای کاهش خطاهای نورپردازی محاسبه می‌شود. مساحت زیر منحنی ROC و همچنین، پارامترهای احتمال تشخیص صحیح در روش پیشنهادی، به ترتیب،970/0 و 97/0 است و مقدارFalse Alarm برای آن 32/0 به دست آمده است. نیز، مقایسۀ نتایج روش پیشنهادی با نتایج روش‌‌های مرسوم آشکارسازی تغییرات دقت بیشتر روش پیشنهادی را نشان داده است
بهشید خدایی؛ جلال امینی؛ مهدی مؤمنی
دوره 3، شماره 4 ، اسفند 1390
چکیده
در مقاله حاضر یک روش بدون نظارت برای آشکارسازی تغییرات در تصاویر ماهواره ای رادار با روزنه ترکیبی (SAR) معرفی می شود. اساس این روش جست و جوی بهینه در فضای جواب های ممکن با اتکا بر الگوریتم ژنتیک است. برای این منظور یک تابع هزینه بر اساس معیار کمترین میانگین مربعات خطا و با در نظر گرفتن تصویر نسبت به دست آمده از تصاویر مشاهده شده ی غیر هم ...
بیشتر
در مقاله حاضر یک روش بدون نظارت برای آشکارسازی تغییرات در تصاویر ماهواره ای رادار با روزنه ترکیبی (SAR) معرفی می شود. اساس این روش جست و جوی بهینه در فضای جواب های ممکن با اتکا بر الگوریتم ژنتیک است. برای این منظور یک تابع هزینه بر اساس معیار کمترین میانگین مربعات خطا و با در نظر گرفتن تصویر نسبت به دست آمده از تصاویر مشاهده شده ی غیر هم زمان از ناحیه جغرافیایی یکسان، معرفی می شود. به منظور کاهش مدت زمان همگرایی الگوریتم به جواب بهینه، از پنجره ی متحرک با ابعاد مناسب به منظور انتخاب نواحی مختلف از تصویر نسبت با احتمال وجود پیکسل های تغییر یافته، استفاده می شود. این کار افزون بر ایجاد امکان مدیریت حجم محاسباتی و زمان اجرای الگوریتم، توانایی مدیریت نویز لکه ای را نیز فراهم می کند. به این ترتیب که می توان نواحی یکنواخت نویزی محصور در یک پنجره ی انتخاب را تشخیص داد و آن را از فرایند آشکارسازی حذف کرد. علاوه بر این، استفاده از روش های پیش پردازشی کاهش نویز مانند اعمال فیلتر تطبیقی وینر، برای بهبود روند آشکارسازی استفاده شده است. نتایج به دست آمده از پیاده سازی الگوریتم توسعه یافته، حاکی از کاهش زمان اجرای الگوریتم و مدیریت آن با حفظ دقت مطلوب، در مقایسه با روش پیشین آشکارسازی تغییرات به کمک الگوریتم ژنتیک است. به منظور بررسی عملکرد الگوریتم از دو مجموعه داده استفاده می شود. مجموعه اول شامل تصاویر شبیه سازی شده با در نظر گرفتن نویز لکه ای و مجموعه دوم شامل تصاویر سنجنده ASAR ماهواره Envisat، دریافت شده از منطقه تأثیر گرفته از سونامی اخیر کشور ژاپن است. استفاده از روش پیشنهادی در آشکارسازی تغییرات به روش پیکسل مبنا و بر روی مجموعه داده فوق، دقت آشکارسازی در حدود 94 درصد در مقایسه با کل پیکسل های تصویر را به دست داد.
