مقایسه ی روش های شبکه عصبی مصنوعی، ماشین بردار پشتیبان و درخت تصمیم گیری در شناسایی ابر در تصاویر ماهواره ای لندست ۸
چکیده
مقالهی پیشرو به مقایسهی سه روش ماشین بردار پشتیان،شبکهی عصبی مصنوعی و درخت تصمیم گیری با هدف شناسایی ابر می‍پردازد. وجود ابر در تصاویر ماهوارهای اپتیکی، پیشپردازشهای رادیومتریکی در کاربردهای سنجش از دور را ایجاب میکند. معمولا شناسایی ابر در تصاویر ماهوارهای با استفاده از روشهای طبقهبندی نظارت شده امکان پذیر میباشد. در این مقاله تصاویر ماهوارهای لندست 8 از دو منطقهی واقع در رشتهکوههای البرز، با استفاده از سه روش شبکهی عصبی مصنوعی، ماشین بردار پشتیبان (svm) و درخت تصمیمگیری طبقهبندی شده و کارایی این سه روش از لحاظ دقت کلی، دقت تولید کنندهی ابر و برف و میزان ضریب کاپا مقایسه گردیده است. در منطقهی اول، دو روش شبکهی عصبی و svm، دقت کلی و دقت تولید کنندهی ابر بالاتری نسبت به روش درخت تصمیم نشان داده و در منطقهی دوم روش درخت تصمیم قابلیت بیشتری در شناسایی ابر داشتهاست. این موضوع نشان دهندهی آن است که در منطقهی اول، حد آستانههای به کار رفته در درخت تصمیم، به خوبی ابر را مورد شناسایی قرار نمیدهند. در حالی که در منطقهی دوم شاخصهای ذکر شده در این روش، از میزان بالاتری برخورداراند. نتایج این تحقیق نشان میدهد که روش درخت تصمیم میتواند به دقتی قابل مقایسه و یا بالاتر از روشهای داده کاوی (مثل شبکهی عصبی وsvm ) دست پیدا کند و با این وجود حد آستانههای به کار رفته در این روش ممکن است برای همهی مناطق مناسب نباشند. در مقابل، روشهای داده کاوی به خصوص روش svm قابلیت خوبی برای شناسایی انواع ابر در حالت طبقهبندی دو کلاسه از خود نشان دادند؛ اما افزایش تعداد کلاسها میتواند دقت شناسایی ابر را در این روشها کاهش دهد.