طبقه بندی پوشش سطح زمین با استفاده از آنالیز تصاویر سنجش از دور ماهواره ای مبتنی بر شاخص های طیفی

پایان نامه
  • وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی (نوشیروانی) بابل - دانشکده برق و کامپیوتر
  • نویسنده ایمان دوست فاطمه
  • استاد راهنما یاسر بالغی
  • سال انتشار 1394
چکیده

سنجش از دور، علم جمع آوری اطلاعات از سطح کره زمین بدون تماس فیزیکی با پدیده ها است. در این زمینه، اطلاعات مورد نیاز از طریق ثبت و سنجش انرژی منعکس شده از پدیده های سطح زمین بدست می آید. طبقه بندی پوشش زمین از کاربردهای بنیادین این علم است که به منظور تجزیه و تحلیل شرایط جغرافیایی، منابع زیست محیطی، کاربری اراضی و شناسایی علل و عوامل تغییر آنها در سطح بالایی از توجه قرار گرفته است. در این پایان نامه روشی بر مبنای درخت تصمیم ارائه شده است که به طبقه بندی پوشش زمین از داده های چند طیفی ماهواره ای با تفکیک مکانی متوسط می پردازد

منابع مشابه

مقایسه الگوریتم های طبقه بندی بر روی تصاویر ماهواره ای سنجش از دور

اگرچه تعداد بسیار زیادی الگوریتم طبقه­بندی برای تصاویر ارائه شده، اما به ندرت بر روی یک مورد یکسان بایکدیگر مقایسه شده­اند. در این مقاله، تصاویر ماهواره های سنجش از دور با استفاده از دو روش الگوریتم طبقه­بندی بدون نظارت و هشت الگوریتم طبقه­بندی با نظارت که شامل تعدادی از الگوریتم های رایج طی بیست سال اخیر است، آزموده شدند. تحلیل ما بر روی تصاویر ماهواره ای 12 طیفی متمرکز است. در مقایسه الگوریتم...

متن کامل

برآورد دما و شاخص پوشش گیاهی سطح زمین با استفاده از داده های سنجش از دور (مطالعۀ موردی: استان همدان)

یکی از عوامل مهم برای استفادۀ بهینه از منابع موجود آب در بخش کشاورزی، تعیین آب مورد نیاز در سطح دشت­ های کشاورزی است و برای برآورد دقیق آن، به اطلاعاتی در خصوص وضعیت پوشش گیاهی، مانند میزان، پراکنش و دمای سطح پوشش گیاهی نیاز است که تهیۀ آنها به‎کمک سنجش از دور به‎سادگی انجام می‎شود. بنابراین در پژوهش پیش رو به‎کمک سنجش از دور، تراکم و پراکنش مکانی پوشش گیاهی و دمای پوشش سطح زمین در استان همدان ...

متن کامل

طبقه بندی تصاویر چند طیفی - چند ماهواره ای سنجش از دور براساس تلفیق تصمیم گیری

در این پایان نامه طیف های موجود در یک تصویر، براساس معیارهای مختلفی از جمله همبستگی ، به چند دسته کوچک تقسیم شده و اطلاعات هر دسته بعنوان داده های یک منبع جدید در نظر گرفته شدند. منابع حاصله بصورت مجزا مورد بررسی قرار گرفته و براساس الگوریتم های مختلف ، از قبیل حداقل خطا و شبکه عصبی طبقه بندی شدند. تصمیم نهایی براساس تلفیق نتایج طبقه بندی اولیه منابع مختلف ، با استفاده از الگوریتم های مناسب اتخ...

قطعه بندی تصاویر با استفاده از روش خوشه بندی طیفی مبتنی بر سوپرپیکسل

علم بینایی ماشین یکی از علومی است که در راستای افزایش کارایی حس بینایی در سیستم‌های هوشمند به کار گرفته می‌شود. اولین گام در بسیاری از کاربرد‌های بینایی ماشین، قطعه‌بندی تصویر می‌باشد. در این پژوهش، روش خوشه­بندی طیفی با سوپرپیکسل برای قطعه­بندی تصویر ارائه شده است. با اعمال الگوریتم KFCM و با استفاده از توزیع عضویت در ماتریس بخش­بندی، یک میزان تشابه فازی هسته­ای جدید پیشنهاد داده­ایم که سبب کا...

متن کامل

مدل‏سازی ارتباط دمای سطح زمین، شرایط توپوگرافی، و پوشش گیاهی با استفاده از تصاویر ماهواره ‏ای لندست 8

دمای سـطح زمین در طیف وسیعی از مطالعات محیطی کاربرد دارد. عوامل مختلفی از جمله جنس مواد تشکیل‏دهندة سطح و شرایط توپوگرافی و محیطی در دمای سطح زمین تأثیرگذار است. شناخت ارتباط بین دمای سطح زمین با عوامل فوق از اهمیت ویژه‏ای برخوردار است. در پژوهش حاضر، با استفاده از تصاویر حرارتی سنجندة TIRS و با به‏کارگیری الگوریتم پنجرة مجزا، دمای سطح زمین محاسبه شد. سپس، ارتباط بین دمای سطح زمین با عوامل توپو...

متن کامل

قطعه بندی تصاویر با استفاده از روش خوشه بندی طیفی مبتنی بر سوپرپیکسل

علم بینایی ماشین یکی از علومی است که در راستای افزایش کارایی حس بینایی در سیستم‌های هوشمند به کار گرفته می‌شود. اولین گام در بسیاری از کاربرد‌های بینایی ماشین، قطعه‌بندی تصویر می‌باشد. در این پژوهش، روش خوشه­بندی طیفی با سوپرپیکسل برای قطعه­بندی تصویر ارائه شده است. با اعمال الگوریتم KFCM و با استفاده از توزیع عضویت در ماتریس بخش­بندی، یک میزان تشابه فازی هسته­ای جدید پیشنهاد داده­ایم که سبب کا...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی (نوشیروانی) بابل - دانشکده برق و کامپیوتر

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023