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.