مقاله بهینه سازی الگوریتم SPARK جهت تهیه نقشه کاربری اراضی از تصاویر ماهواره ای

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله بهینه سازی الگوریتم SPARK جهت تهیه نقشه کاربری اراضی از تصاویر ماهواره ای دارای ۱۶ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله بهینه سازی الگوریتم SPARK جهت تهیه نقشه کاربری اراضی از تصاویر ماهواره ای  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله بهینه سازی الگوریتم SPARK جهت تهیه نقشه کاربری اراضی از تصاویر ماهواره ای،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله بهینه سازی الگوریتم SPARK جهت تهیه نقشه کاربری اراضی از تصاویر ماهواره ای :

تعداد صفحات:۱۶

چکیده:

الگوریتم SPARK یک الگوریتم طبقه بندی مفهومی ۱ است، که به منظور استخراج کلاس های کاربریاراضی(Land Use) پیشنهاد گردیده است (Barnsley, ( 1996این الگوریتم بر خلاف اکثر روش های .طبقه بندی تصاویر ماهواره ای، علاوه بر استفاده از اطلاعات طیفی مربوط به تصویر ماهواره ای، اطلاعات مکانی و نوع همسایگی پیکسلها را نیز در طبقه بندی لحاظ می نماید در این الگوریتم بر اساس نوع همسایگی های محاسبه شده در پنجره های مورد استفاده، نسبت به طبقه بندی هر پیکسل اقدام می شود . با توجه به آنکه تعیین اندازه پنجره بهینه جهت استخراج تمامی کلاس ها بسیار مهم و مؤثر می باشد، در این تحقیق تأثیر اندازه پنجره مورد استفاده در دقت طبقه بن دی حاصله مورد بررسی قرار گرفته است . نتایج حاصل نشان می دهند که استفاده از اطلاعات مکانی پنجره با اندازه ثابت، اطلاعات کاربری مورد نظر را به خوبی استخراج نمی نماید .به منظور رفع مشکل مذکور، در این تحقیق الگوریتمSPARK مبتنی بر ترکیب پنجره ها(KC-SPARK)2 ارائه و مورد بررسی قرار گرفت . نتایج حاصل از اجرای این الگوریتم نشان می دهد که الگوریتمKC- SPARKدارای توانایی استخراج کلاسهای مختلف کاربری بوده و دقت طبقه بندی این الگوریتم، از طبقه ، مبتنی بر پنجره ثابت، بالاتر می باشد . به ط وریکه بر خلاف الگوریتم SPARK بندی با استفاده از الگوریتم که در طبقه بندی با هر پنجره، کلاس یا کلاس های خاصی با دقت بالاتری (SPARK) مبتنی بر پنجره ثابت طبقه بندی می شوند