مینا حمیدی؛ حمید عبادی؛ عباس کیانی
چکیده
با بهبود حد تفکیک مکانی تصاویر سنجش از دور، اطلاعات دقیق‌تری از صحنة تصویر همچون ساختارهای بافت، فراهم شده است. این منابع داده، به‌دلیل جزئیات بسیار، دارای واریانس درون‌کلاسی زیاد و واریانس بین‌کلاسی اندک‌اند؛ ازاین‌رو استخراج اطلاعات پوشش زمین از آنها به فرایندی چالش‌برانگیز تبدیل شده است. در این تصاویر، تفسیر بصری زمان‌بر ...
بیشتر
با بهبود حد تفکیک مکانی تصاویر سنجش از دور، اطلاعات دقیق‌تری از صحنة تصویر همچون ساختارهای بافت، فراهم شده است. این منابع داده، به‌دلیل جزئیات بسیار، دارای واریانس درون‌کلاسی زیاد و واریانس بین‌کلاسی اندک‌اند؛ ازاین‌رو استخراج اطلاعات پوشش زمین از آنها به فرایندی چالش‌برانگیز تبدیل شده است. در این تصاویر، تفسیر بصری زمان‌بر و پرهزینه است و تفسیر اتوماتیک آنها لزوماً به دقت بالا منجر نمی‌شود و رسیدن به دقت تفسیر مطلوب نیازمند طراحی الگوریتم‌های اتوماتیک است؛ به‌صورتی‌که توانایی مقابله با مشکلات ناشی از پیچیدگی صحنة تصویر را داشته باشند. برای غلبه بر این مشکل، روش آنالیز عارضه‌مبنای تصویر که به مورفولوژی صحنة تصویر حساس است، به‌ویژه در مطالعه‌ای شهری که تراکم ساختارهای شکل‌گرفته به‌دست انسان بالاست، ممکن است کارآمد باشد. در طبقهبندی عارضه‌مبنا، پیکسل‌های بیانگر یک عارضه در ترکیب با یکدیگر، تجزیه و تحلیل می‌شوند؛ در نتیجه، فضای مسئله به‌نسبت طبقهبندی پیکسل‌مبنا کاهش می‌یابد و مزیت این امر افزایش سرعت محاسبات است. درعین‌حال به‌دلیل اندازة متنوع اشیای تصویری، طبقهبندی نظارت‌شدة عارضه‌مبنا در ایجاد مجموعة آموزشی بهینه با چالش‌هایی مواجه است. در تحقیق حاضر، به‌منظور طبقهبندی عارضه‌مبنا، از الگوریتم آدابوست استفاده شده است. برای غلبه بر مشکل فقدان تناسب فضای ویژگی ناشی از تعداد اندک نمونه‌های آموزشی و توزیع نامتناسب آنها در مقایسه با ابعاد بالای فضای ویژگی (شامل ویژگیهای طیفی، مکانی و هندسی)، دو راهبرد دنبال شده است. در یک رویکرد برای تولید مجموعة آموزشی بهینه، مکانیسم یادگیری فعال با الگوریتم آدابوست ادغام شده و در رویکردی دیگر به‌منظور کاهش ابعاد فضای ویژگی، براساس همبستگی بین ویژگی‌ها (افزونگی) و همبستگی بین ویژگی‌ها و کلاسها (مطابقت)، زیرمجموعة ویژگی منتخب استخراج شده است. روش پیشنهادی روی مجموعه دادة استاندارد وهینگن کشور آلمان اجرا و نتایج حاصل از آن با طبقهبندی پیکسل‌مبنا مقایسه شده است. به‌منظور بررسی معنی‌داری اختلاف‌های حاصل‌شده در نتایج ارزیابی‌ها نیز، آزمون آماری مک‌نمار به‌کار رفته است. نتایج تجربی نشان دادند که رویکرد عارضه‌مبنای پیشنهادی، در قیاس با رویکرد پیکسل‌مبنا، به‌طور متوسط 6% دقت کلی و 7% ضریب کاپا را بهبود داده است. همچنین سرعت محاسبات در روش آدابوست عارضه‌مبنای پیشنهادی، در مقایسه با رویکرد پیکسل‌مبنا افزایش چشمگیری یافته است. این نتایج بیانگر عملکرد بهینة رویکرد پیشنهادی، هم از نظر دقت و هم از نظر سرعت محاسبات است.
عباس کیانی؛ حمید عبادی؛ حکمت الله خانلو
دوره 10، شماره 4 ، اردیبهشت 1397، ، صفحه 27-54
چکیده
طبقهبندی پوشش اراضی در تصاویر سنجش‌ازدور، یکی از پرکاربردترین روش‌های استخراج اطلاعات مکانی است که می‌تواند با تولید کلاسهای تصویری عوارض سطح زمین به‌منظور اتوماسیون و تسریع در جهت رفع نیازهای اساسی برای در اختیار داشتن اطلاعات مکانی بهنگام از منابع، با هدف مدیریت، ساماندهی و بهره‌برداری از محیط مفید واقع شود. به دلیل مشابهت ...
بیشتر
طبقهبندی پوشش اراضی در تصاویر سنجش‌ازدور، یکی از پرکاربردترین روش‌های استخراج اطلاعات مکانی است که می‌تواند با تولید کلاسهای تصویری عوارض سطح زمین به‌منظور اتوماسیون و تسریع در جهت رفع نیازهای اساسی برای در اختیار داشتن اطلاعات مکانی بهنگام از منابع، با هدف مدیریت، ساماندهی و بهره‌برداری از محیط مفید واقع شود. به دلیل مشابهت رفتار پیکسلها، طبقهبندی تصاویر هوایی در مناطق پیچیده و متراکم شهری، صرفاً با استفاده از اطلاعات طیفی و بافتی منجر به ناکارآمدی طبقهبندی می‌شود. به عبارتی در طبقهبندی رایج، عمدتا با استفاده از خصوصیات طیف و ویژگیهای پیکسل‌های تصویر، به شناسایی عوارض و کلاسها پرداخته می‌شود. درصورتی‌که بتوان تطابق مکانی و مفهومی پیکسلها را نیز در نظر گرفت، به این ترتیب میتوان تمایز بیشتری بین کلاسهای تصویری قائل شد و فرآیند ماشینی را به تفسیر ذهنی و انسانی نزدیک کرده و بر کارایی سیستم افزود. تمرکز اصلی تحقیق حاضر، استفاده از مفاهیم سیستمهای خبره در طبقهبندی، به‌منظور آنالیز شئگرای تصاویر در سطوح مقیاس کلاسی است. به همین دلیل، با وارد نمودن قوانین دانش‌پایه به‌منظور کنترل هدفمند و قانونمندسازی روند توأمان قطعهبندی و تفسیر تصویر، با در نظر گرفتن ویژگیهای هندسی کلاسهای هدف، بهبود دقت را منجر شود. برای بررسی کارایی تکنیک پیشنهادی، ارزیابی و مقایسه روش پیشنهادی با چند روش دیگر بر روی تصاویر ماهوارها‌ی IRS در منطقه شهری جزیره کیش صورت پذیرفته است. نتایج حاصل از این تحقیق، نشان می‌دهد ویژگیهای هندسی و مفهومی می‌توانند به‌عنوان منبع اطلاعاتی مکمل، سبب بهبود نتایج طبقهبندی در منطقه شهری با عوارض ناهمگون طیفی شوند. به‌طوریکه در بررسی مورد اشاره، صحت کلی و ضریب کاپا به ترتیب 8 درصد و 11/5 درصد افزایش پیدا کردهاند.
