ارتقای دقت طبقه بندی تصاویرلندست +ETM با استفاده از ترکیب داده های طیفی و بافتی (منطقه مورد مطالعه شهرکرج)

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

 ارتقای دقت طبقه بندی تصاویرلندست +ETM با استفاده از ترکیب داده های طیفی و بافتی (منطقه مورد مطالعه شهرکرج) دارای ۱۰ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد ارتقای دقت طبقه بندی تصاویرلندست +ETM با استفاده از ترکیب داده های طیفی و بافتی (منطقه مورد مطالعه شهرکرج)  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 ارتقای دقت طبقه بندی تصاویرلندست +ETM با استفاده از ترکیب داده های طیفی و بافتی (منطقه مورد مطالعه شهرکرج)،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن ارتقای دقت طبقه بندی تصاویرلندست +ETM با استفاده از ترکیب داده های طیفی و بافتی (منطقه مورد مطالعه شهرکرج) :

تعداد صفحات :۱۰

چکیده مقاله:

هدف از این تحقیق بررسی کارایی و تاثیر نوع داده های ورودی بر صحت نتایج حاصل از الگوریتم های طبقه بندی حداکثر شباهت، شبکه عصبی و ماشین بردار پشتیبان به منظور طبقه بندی دقیق کلاسهای شهری و حومه آن و انتخاب الگوریتم مناسب برای طبقه بندی تصاویر ماهواره ای لندست +ETM می باشد. بدین منظور داده های طیفی مربوط به باندهای تصویر لندست ۷ اخذ شده در جولای سال ۲۰۰۰ میلادی مورد استفاده قرار گرفت. همچنین، اطلاعات بافت با استفاده از روش ماتریس وقوع همزمان سطوح خاکستری با ابعاد پنچره ۳×۳ از باندهای مختلف این تصویر استخراج گردید. در این تحقیق همچنین لایه ای جدید به نام شاخص فاصله از اراضی کشاورزی دارای پوشش گیاهی محاسبه گردید. با استفاده از این داده های ورودی، عملکرد سه روش طبقه بندی شامل حداکثر شباهت، شبکه عصبی، و ماشین بردار پشتیبان با هسته های خطی ، چند جمله ی درجه یک و دو، و تابع پایه شعاعی ، به منظور طبقه بندی چهار کلاس شهر، اراضی بایر، اراضی کشاورزی و آب مورد ارزیابی قرار گرفت نتایج این تحقیق نشان داد که استفاده از اطلاعات بافت تصویر در کنار ویژگی های طیفی تصاویر حاصل از ادغام، می تواند باعث بهبود دقت ماشین بردار پشتیبان شود. همچنین استفاده از اطلاعات بافت در کنار شاخص فاصله و ویژگی های طیفی ، به بهبود دقت روش ماشین بردار پشتیبان کمک نماید. روش ارایه شده در این تحقیق، می تواند در استخراج اراضی کشاورزی دارای پوشش گیاهی و بدون پوشش گیاهی و تفکیک بهتر زمین های بایر از اراضی کشاورزی بدون پوشش گیاهی موثر و کارآمد باشد.