حمید عبادی

حمید عبادی

مدرک تحصیلی: استاد دانشکده ی مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی

مطالب
ترتیب بر اساس: جدیدترینپربازدید‌ترین

فیلتر های جستجو: فیلتری انتخاب نشده است.
نمایش ۱ تا ۲۰ مورد از کل ۲۲ مورد.
۱.

بهبود طبقه بندی تصاویر ابرطیفی با استفاده از مدل ترکیبی شبکه های کپسول و درخت تصمیم تقویتی(مقاله علمی وزارت علوم)

نویسنده:
منبع: سنجش از دور و GIS ایران سال پانزدهم پاییز ۱۴۰۲ شماره ۳ (پیاپی ۵۹) 41 - 60

کلید واژه ها: طبقه بندی تصاویر ابرطیفی شبکه های کپسول درخت تصمیم تقویتی مدل ترکیبی

حوزه های تخصصی:
تعداد بازدید : 205 تعداد دانلود : 757
با گسترش دانش سنجش از دور، استفاده از تصاویر هایپراسپکترال روزبه روز افزایش و عمومیت می یابد. طبقه بندی یکی از محبوب ترین موضوعات در سنجش از دور ابرطیفی است. طی دو دهه گذشته، روش های بسیاری برای مقابله با مشکل طبقه بندی داده های هایپراسپکترال پیشنهاد شده است. در پژوهش حاضر، ساختاری مبتنی بر یادگیری شبکه های کپسول برای طبقه بندی تصاویر ابرطیفی به کار رفته است؛ به گونه ای که ساختار شبکه بتواند، با استفاده از یک لایه کانولوشنی و یک لایه کپسول، بهترین حالت تولید ویژگی ها را داشته باشد و درعین حال از بیش برازش شبکه روی نمونه های آموزشی جلوگیری کند. نتایج به دست آمده نشان از کیفیت بالای ویژگی های تولیدی در ساختار پیشنهادی دارد. درراستای بهبود دقت طبقه بندی، رویکرد استخراج ویژگی ازطریق شبکه طراحی شده و طبقه بندی با استفاده از الگوریتم درخت تقویتی XGBoost، با روش طبقه بندی ازطریق شبکه عمیق سراسری مقایسه شد تا، علاوه بر بررسی و کیفیت سنجی ویژگی های عمیق برداری تولیدی به روش پیشنهادی در طبقه بندی کننده های گوناگون، میزان توانایی شبکه های عمیق سراسری نیز، در کاربرد طبقه بندی، بررسی شود. رویکرد کپسول پیشنهادی شامل سه لایه اصلی است: 1)  Prime با کپسول هایی به اندازه 8 و 32 فیلتر 9×9 و گام حرکتی 2؛ 2) Digitcaps دارای دَه کپسول شانزده بعدی؛ 3) لایه تماماً متصل. نتایج بررسی دو رویکرد برای شبکه عمیق و نیز ترکیب شبکه های کپسول با الگوریتم درخت تقویتی XGBoost مقایسه شد. رویکردهایی همچون SVM، RF-200، LSTM، GRU، و GRU-Pretanh برای مقایسه رویکرد پیشنهادی براساس پیکربندی هایی درنظر گرفته شدند که در تحقیقات به آنها اشاره شده بود. برای ارزیابی مدل پیشنهادی، مجموعه داده Indian Pines نیز، شامل شانزده کلاس متفاوت، به کار رفت. با استفاده از روش پیشنهادی ترکیبی، طبقه بندی تصاویر با دقت 99% روی داده های آموزش و دقت 5/97% روی داده های تست انجام می شود.
۲.

طراحی و اجرای الگوریتم آدابوست عارضه مبنا مبتنی بر یادگیری فعال به منظور طبقه بندی پوشش زمین در تصاویر با حد تفکیک مکانی بالا(مقاله علمی وزارت علوم)

نویسنده:
منبع: سنجش از دور و GIS ایران سال چهاردهم تابستان ۱۴۰۱ شماره ۲ (پیاپی ۵۴) 19 - 36

کلید واژه ها: طبقه بندی تصاویر حد تفکیک بالا آدابوست عارضه مبنا یادگیری فعال

حوزه های تخصصی:
تعداد بازدید : 70 تعداد دانلود : 578
با بهبود حد تفکیک مکانی تصاویر سنجش از دور، اطلاعات دقیق تری از صحنه تصویر همچون ساختارهای بافت، فراهم شده است. این منابع داده، به دلیل جزئیات بسیار، دارای واریانس درون کلاسی زیاد و واریانس بین کلاسی اندک اند؛ ازاین رو استخراج اطلاعات پوشش زمین از آنها به فرایندی چالش برانگیز تبدیل شده است. در این تصاویر، تفسیر بصری زمان بر و پرهزینه است و تفسیر اتوماتیک آنها لزوماً به دقت بالا منجر نمی شود و رسیدن به دقت تفسیر مطلوب نیازمند طراحی الگوریتم های اتوماتیک است؛ به صورتی که توانایی مقابله با مشکلات ناشی از پیچیدگی صحنه تصویر را داشته باشند. برای غلبه بر این مشکل، روش آنالیز عارضه مبنای تصویر که به مورفولوژی صحنه تصویر حساس است، به ویژه در مطالعه ای شهری که تراکم ساختارهای شکل گرفته به دست انسان بالاست، ممکن است کارآمد باشد. در طبقه بندی عارضه مبنا، پیکسل های بیانگر یک عارضه در ترکیب با یکدیگر، تجزیه و تحلیل می شوند؛ در نتیجه، فضای مسئله به نسبت طبقه بندی پیکسل مبنا کاهش می یابد و مزیت این امر افزایش سرعت محاسبات است. درعین حال به دلیل اندازه متنوع اشیای تصویری، طبقه بندی نظارت شده عارضه مبنا در ایجاد مجموعه آموزشی بهینه با چالش هایی مواجه است. در تحقیق حاضر، به منظور طبقه بندی عارضه مبنا، از الگوریتم آدابوست استفاده شده است. برای غلبه بر مشکل فقدان تناسب فضای ویژگی ناشی از تعداد اندک نمونه های آموزشی و توزیع نامتناسب آنها در مقایسه با ابعاد بالای فضای ویژگی (شامل ویژگی های طیفی، مکانی و هندسی)، دو راهبرد دنبال شده است. در یک رویکرد برای تولید مجموعه آموزشی بهینه، مکانیسم یادگیری فعال با الگوریتم آدابوست ادغام شده و در رویکردی دیگر به منظور کاهش ابعاد فضای ویژگی، براساس همبستگی بین ویژگی ها (افزونگی) و همبستگی بین ویژگی ها و کلاس ها (مطابقت)، زیرمجموعه ویژگی منتخب استخراج شده است. روش پیشنهادی روی مجموعه داده استاندارد وهینگن کشور آلمان اجرا و نتایج حاصل از آن با طبقه بندی پیکسل مبنا مقایسه شده است. به منظور بررسی معنی داری اختلاف های حاصل شده در نتایج ارزیابی ها نیز، آزمون آماری مک نمار به کار رفته است. نتایج تجربی نشان دادند که رویکرد عارضه مبنای پیشنهادی، در قیاس با رویکرد پیکسل مبنا، به طور متوسط 6% دقت کلی و 7% ضریب کاپا را بهبود داده است. همچنین سرعت محاسبات در روش آدابوست عارضه مبنای پیشنهادی، در مقایسه با رویکرد پیکسل مبنا افزایش چشمگیری یافته است. این نتایج بیانگر عملکرد بهینه رویکرد پیشنهادی، هم از نظر دقت و هم از نظر سرعت محاسبات است.
۳.

استخراج ساختمان ها در نواحی شهری مبتنی بر داده های سری زمانی راداری و اپتیکی با استفاده از سامانه گوگل ارث انجین(مقاله علمی وزارت علوم)

نویسنده:
منبع: اطلاعات جغرافیایی سپهر دوره ۳۰ زمستان ۱۴۰۰ شماره ۱۲۰ 43 - 63

کلید واژه ها: سنجش از دور توسعه فیزیکی شهری سنتینل-1و2 آستانه گذاری شاخص های طیفی گوگل ارث انجین

حوزه های تخصصی:
تعداد بازدید : 442 تعداد دانلود : 287
استخراج اطلاعات دقیق مربوط به موقعیت، تراکم و توزیع ساختمان ها در محدوده شهری از اهمیت بسیار بالایی برخوردار است که در کاربردهای مختلفی مورد استفاده قرار می گیرد. سنجش از دور یکی از کارآمدترین تکنولوژی های تهیه نقشه است که در مناطق وسیع، با سرعت بالا، هزینه مقرون به صرفه و با به کارگیری داده های به روز مورد استفاده قرار می گیرد. تاکنون روش ها و داده های متعددی برای این منظور مورد استفاده قرار گرفته است. در این راستا، در تحقیق حاضر از یک روش نیمه خودکار به منظور تهیه نقشه محدوده شهری و ساختمان های شهر تبریز و از تصاویر ماهواره ای سنتینل-1 و 2 در سامانه گوگل ارث انجین استفاده شد. برای این منظور، بعد از فراخوانی تصاویر و اعمال پیش پردازش های لازم در موتور مجازی، نقشه مناطق شهری اولیه و ساختمان هایی با پتانسیل بالا از تصاویر سنتینل-1 تولید شد. در مرحله بعد، به منظور حذف ویژگی های مزاحم و استخراج مناطق شهری ثانویه، شاخص های طیفی از تصاویر سنتنیل-2 استخراج شد. سپس برای آستانه گذاری ویژگی ها از آستانه گذاری هیستوگرام به روش تک مدی استفاده شد. در نهایت، با ادغام نقشه ساختمان های با پتانسیل بالا و نقشه مناطق شهری ثانویه، نقشه نهایی تولید و مورد ارزیابی قرار گرفت. نتایج حاصل، نشان دهنده صحت کلی 90/11 درصد و ضریب کاپای 0/803 می باشد. براساس مقایسه های کمّی و کیفی انجام شده، روش پیشنهادی از عملکرد مطلوبی برخوردار می باشد. از مهم ترین مزایای روش پیشنهادی می توان به رایگان بودن داده ها و متن باز بودن سامانه گوگل ارث انجین اشاره کرد. بنابراین، می توان نتیجه گرفت که استفاده همزمان از داده های سنجش از دور راداری و اپتیکی در محیط سامانه گوگل ارث انجین، پتانسیل بسیار بالایی در متمایز کردن ویژگی ها و تهیه نقشه ساختمان ها دارد.
۴.

ارائه روشی نوین جهت برآورد ارتفاع جنگل با استفاده از داده های تداخل-سنجی پلاریمتریک راداری(مقاله علمی وزارت علوم)

نویسنده:
منبع: سنجش از دور و GIS ایران سال دوازدهم تابستان ۱۳۹۹ شماره ۲ (پیاپی ۴۶) 57-72

کلید واژه ها: برآورد ارتفاع جنگل تداخل سنجی پلاریمتریک راداری (PolInSAR) مدل معکوس گیری حجم تصادفی بر زمین (RVoG) تجزیه مدل مبنای PolInSAR

حوزه های تخصصی:
تعداد بازدید : 315 تعداد دانلود : 241
پایش زمین و زیست کره آن در هر مقیاسی جهت نیل به یک توسعه پایدار لازم و ضروری است. ازاین رو، جنگل ها، به عنوان یک منبع طبیعی ارزشمند، نقش مهمی در کنترل تغییرات آب وهوایی و چرخه کربن دارند. به همین دلیل، زیست توده و به تبع آن ارتفاع جنگل جزء اطلاعات کلیدی جهت پایش جنگل و زمین زیر آن به شمار می آیند. در مطالعات بسیاری نشان داده شده است که سامانه تصویربرداری رادار با روزنه مجازی (SAR) می توانند کمک شایانی به این هدف نمایند. در این راستا، تکنیک جدیدی که تداخل سنجی پلاریمتریک SAR (PolInSAR) نامیده می شود، ابزاری مناسب و در دسترس جهت برآورد ارتفاع جنگل می باشد، چراکه به موقعیت و توزیع قائم اجزای ساختاری جنگل حساس است. بر این اساس، از یک نقطه نظر، روش های به کار برده شده در این حوزه را می توان به دو دسته تقسیم کرد: الف) بر اساس مدل معکوس گیری حجم تصادفی بر زمین (RVoG)، و ب) بر اساس تکنیک های تجزیه مدل مبنای داده های PolInSAR. در این تحقیق، جهت بهبود برآورد ارتفاع جنگل روشی نوین بر اساس ترکیب دو دسته روش اشاره شده پیشنهاد شده است. عملکرد و کارآمدی روش پیشنهادی توسط دو مجموعه داده شبیه سازی شده از نرم افزار PolSARProSim در باندهای L و P اثبات شد. به طوری که در باند L و در روش های تفاضلی مدل رقومی ارتفاعی (DEM)، دامنه کوهرنسی و ترکیبی (فاز و کوهرنسی) به ترتیب 69/0 متر، 84/1 متر و 38/3 متر بهبود در برآورد ارتفاع حاصل شد. همچنین در باند P و بالاخص در روش های تفاضلی DEM و دامنه کوهرنسی به ترتیب با 53/1 متر و 74/2 متر بهبود حاصل شد.
۵.

شناسایی خودرو در تصاویر UAV با استفاده از الگوریتم SIFT با رویکرد خوشه بندی عوارض موضعی(مقاله علمی وزارت علوم)

نویسنده:
منبع: سپهر دوره ۲۸ تابستان ۱۳۹۸ شماره ۱۱۰ 23 - 36

کلید واژه ها: الگوریتم SIFT تصاویر پهپاد اهداف خودرو خوشه بندی عوارض طبقه بندی کننده ی SVM

حوزه های تخصصی:
تعداد بازدید : 860 تعداد دانلود : 454
در طول چند دهه ی اخیر محیط های شهری بسیار بیشتر از گذشته گسترش یافته اند. یکی از مهمترین مشکلاتی که  در اکثر کلان شهرها و حتی شهرهای کوچک وجود دارد مدیریت سیستم حمل و نقل است. یک سیستم نظارتی پیشرفته از وسایل نقلیه ی درون شهری امکان غلبه بر مشکلات ترافیکی و ازدحام خودرو ها را فراهم می نماید، و به تبع آن از مشکلات آلودگی هوا می کاهد. با توسعه ی پرنده ای بدون سرنشین ( UAV ) امکان پایش مستمر و دقیق محیط های شهری برای کاربران فراهم گردیده است. در این تحقیق هدف ارائه روشی سریع و با عملکردی مناسب از  نظر دقت در شناسایی اتوماتیک خودرو در تصاویر پهپاد با حدتفکیک بسیار بالا است. در گام شناسایی خودرو از قابلیت الگوریتم آشکارساز و توصیفگر عوارض موضعی SIFT استفاده شده است. یکی از اصلی ترین قابلیت های  این الگوریتم پایدار بودن در برابر تغییرات روشنایی و انواع تبدیلات هندسی نظیر انتقال، دوران و مقیاس است. روش ارائه شده شامل دو مرحله ی اصلی: آموزش الگوریتم و فرآیند شناسایی خودرو است. روش پیشنهادی بر روی ۸ تصویر پهپاد که دارای پس زمینه با بی نظمی های مختلف هستند پیاده سازی شد. این تصاویر شامل انواع مختلفی از خودروها هستند. به منظور ارزیابی کمی روش پیشنهادی از دو معیار استفاده شده است. همچنین عملکرد این روش با رویکرد پنجره ی جستجو مورد مقایسه قرار گرفته است. نتایج نشان می دهد زمان محاسبات الگوریتم پیشنهادی ۸۲ ثانیه است و میانگین دو معیار ارائه شده معادل ۶۵/۶۷ درصد است که نشان دهنده ی برتری روش از لحاظ سرعت و دقت محاسبات نسبت به روش پنجره ی جستجو است.
۶.

شناسایی اهداف در تصاویر سنجش ازدوری با قدرت تفکیک بالا با استفاده از روش های یادگیری عمیق(مقاله علمی وزارت علوم)

نویسنده:
منبع: سنجش از دور و GIS ایران سال یازدهم بهار ۱۳۹۸ شماره ۱ (پیاپی ۴۱) 33-48

کلید واژه ها: یادگیری عمیق شبکه های کانولوشنی تصاویر سنجش ازدوری یادگیری ماشین انتقال آموزشی

حوزه های تخصصی:
تعداد بازدید : 421 تعداد دانلود : 259
شناسایی عوارض موجود در تصاویر، یکی از مسائل اساسی در حوضه تفسیر تصاویر به ویژه در تصاویر سنجش از دوری، به شمار می آید. یکی از روش های کارآمد و به روز در این زمینه، به کارگیری شیوه های یادگیری عمیق، جهت استخراج و تفسیر است. یک عارضه، مجموعه ای از الگوهای منحصربه فرد است که با عوارض مجاور خود متفاوت است، این تفاوت معمولاً در یک یا چند ویژگی به طور هم زمان اتفاق می افتد که می توان به تفاوت در شکل، رنگ و درجه خاکستری اشاره نمود. در این راستا، روش یادگیری عمیق با توانایی تحلیل مفاهیم انتزاعی سطح بالا، می تواند انتخاب مناسبی در این زمینه باشد. در روش پیشنهادی، ابتدا یک پایگاه داده مطابق با شرایط محیطی و جغرافیایی کشور از برخی از فرودگاه های ایران تشکیل شد. سپس با استفاده از شبکه های عصبی کانولوشنی به تولید مدل یادگیرنده بهینه اقدام شد. برای این کار، در قسمت پردازش داده های خام در کنار استفاده از روش انتقال آموزشی، بردارهایی جهت دسته بندی عوارض موردنظر استخراج و به یک مدل ماشین بردار پشتیبان طبقه بندی کننده، تحویل داده می شوند. در ادامه، مقادیر خروجی با مقادیر به دست آمده از تصویر آزمایشی برای هر عارضه، مقایسه و در یک روند تکرارشونده تحلیل و جهت تطابق ساختاری بررسی می شوند. نتایج استخراج شده از اعمال مدل پیشنهادی بر روی چند سری داده آزمایشی، ارزیابی و با روش های مشابه مقایسه شد که درنهایت با مقادیر 21/98 درصد برای معیار Precision و 1/99 درصد برای معیار F1-Measure، قادر به شناسایی عوارض هدف است
۷.

برآورد ارتفاع درختان جنگل با استفاده از مد DCP داده های Compact PolInSAR(مقاله علمی وزارت علوم)

نویسنده:
منبع: سپهر دوره ۲۸ پاییز ۱۳۹۸ شماره ۱۱۱ 83 - 95

کلید واژه ها: C-PollnSAR) Compact PollnSAR) پلاریمتریک دایروی دوگانه (DCP) برآورد ارتفاع جنگل روش تفاضلی مدل رقومی ارتفاعی (DEM) روش اندازه دامنه کوهرنسی روش ترکیبی فاز و کوهرنسی

حوزه های تخصصی:
تعداد بازدید : 764 تعداد دانلود : 392
چندین مطالعه انجام شده در دهه اخیر نشان داده است که سامانه های تصویربرداری رادار با روزنه مجازی ( SAR ) در مد Compact پلاریمتری ( CP ) می توانند بر معایب سامانه های تصویربرداری SAR در مد تمام پلاریمتریک ( FP ) غلبه کرده و عملکرد قابل قبولی را در کاربردهای مختلف سنجش از دور مانند مدیریت و پایش منابع مهم طبیعی از جمله جنگل ها ارائه دهند. در این راستا، فناوری نوینی به نام تداخل سنجی پلاریمتریک SAR ( PolInSAR) ، به عنوان ابزاری توانمند در این حوزه، بسیار مورد توجه قرار گرفته است. در این مقاله، عملکرد داده های C-PollnSAR ) Compact PollnSAR ) در مد ارسال و دریافت قطبش دایروی ( DCP ) جهت برآورد ارتفاع درختان جنگل مورد بحث و بررسی قرار گرفته است. برای این منظور، روش های مرسوم جهت بازیابی ارتفاع درختان در مناطق جنگلی، شامل روش تفاضلی مدل رقومی ارتفاعی ( DEM )، روش اندازه دامنه کوهرنسی و نیز روش ترکیبی (فاز و کوهرنسی)، بر روی این داده ها پیاده سازی شد. به منظور ارزیابی عملکرد داده های C-PolInSAR ، نتایج حاصل از این داده ها با نتایج به دست آمده از داده های Full PolInSAR) F-PollanSADR) مقایسه و ارزیابی گردید. نتایج تجربی به دست آمده در این تحقیق بر دو مجموعه داده شبیه سازی شده از نرم افزار PolSARProSim در باندهای L و P نشان دادند که داده های C-PolInSAR در مد DCP ، عملکرد و نتایج یکسانی نسبت به داده های F-PolInSAR با در نظر گرفتن HH+VV به عنوان قطبش پس پراکنش شده از زمین، در برآورد ارتفاع دارند. به ویژه آن که، داده های C-PolInSAR در مد DCP بهبود 78/0 متری و 55/0 متری را به ترتیب در باندهای L و P نسبت به داده های F-PolInSAR با انتخاب HH-VV به عنوان قطبش زمین، در برآورد ارتفاع درختان حاصل کردند. علاوه براین، به کارگیری داده های C-PolInSAR هنگامی که منابع سامانه های تصویربرداری پلاریمتریک محدود هستند، در دسترس نیستند، و نیز در طول موج های بلند، که قطبش ارسالی متأثر از چرخش فارادی است، می تواند یک راه کار مؤثر باشد.
۸.

تفسیر شی مبنای تصاویر سنجش ازدوری با حد تفکیک بالا بر مبنای سیستم های دانش پایه(مقاله علمی وزارت علوم)

نویسنده:
منبع: سنجش از دور و GIS ایران سال دهم زمستان ۱۳۹۷ شماره ۴ (پیاپی ۴۰)

کلید واژه ها: طبقه بندی تصاویر حد تفکیک بالا سیستم دانش پایه تفسیر عارضه مبنا

حوزه های تخصصی:
تعداد بازدید : 622 تعداد دانلود : 800
طبقه بندی پوشش اراضی در تصاویر سنجش ازدور یکی از پرکاربردترین روش های استخراج اطلاعات مکانی می باشد که می تواند با تولید کلاس های تصویری عوارض سطح زمین به منظور اتوماسیون و تسریع در جهت رفع نیازهای اساسی به منظور در اختیار داشتن اطلاعات مکانی بهنگام از منابع با هدف مدیریت، ساماندهی و بهره برداری از محیط مفید واقع گردد. به دلیل مشابهت رفتار پیکسل ها، طبقه بندی تصاویر هوایی در مناطق پیچیده و متراکم شهری صرفاً با استفاده از اطلاعات طیفی و بافتی منجر به ناکارآمدی طبقه بندی می شود. به عبارتی در طبقه بندی رایج بیشتر با استفاده از خصوصیات طیف و ویژگی های پیکسل های تصویر به شناسایی عوارض و کلاس ها پرداخته می شود. درصورتی که بتوان تطابق مکانی و مفهومی پیکسل ها را نیز در نظر گرفت، به این ترتیب می توان تمایز بیشتری بین کلاس های تصویری قائل شد و فرآیند ماشینی را به تفسیر ذهنی و انسانی نزدیک نمود و بر کارایی سیستم افزود. تمرکز اصلی تحقیق حاضر استفاده از مفاهیم سیستم های خبره در طبقه بندی به منظور آنالیز شئ گرای تصاویر در سطوح مقیاس کلاسی است. بدین منظور با وارد نمودن قوانین دانش پایه به منظور کنترل هدفمند و قانونمندسازی روند توأمان قطعه بندی و تفسیر تصویر، با در نظر گرفتن ویژگی های هندسی کلاس های هدف بهبود دقت را منجر گردد. جهت بررسی کارایی تکنیک پیشنهادی، ارزیابی و مقایسه روش پیشنهادی با چند روش دیگر بر روی تصاویر ماهواره ا ی IRS در منطقه ی شهری جزیره کیش صورت پذیرفته است. نتایج حاصل از این تحقیق نشان می دهد ویژگی های هندسی و مفهومی می توانند به عنوان منبع اطلاعاتی مکمل، سبب بهبود نتایج طبقه بندی در منطقه شهری با عوارض ناهمگون طیفی گردند. طوری که در بررسی مورد اشاره صحت کلی و ضریب کاپا به ترتیب 8 درصد و 5/11 درصد افزایش پیدا کرده اند.
۹.

بهبود تخمین ارتفاع جنگل به کمک بهینه سازی ماتریس پراکنش به روش تغییر پایه پلاریزاسیون مطالعه موردی: جنگل های شمالی سوئد(مقاله علمی وزارت علوم)

نویسنده:
منبع: سپهر دوره ۲۶ بهار ۱۳۹۶ شماره ۱۰۱

کلید واژه ها: بهینه سازی ماتریس انتقال اینترفرومتری پلاریمتری تخمین ارتفاع ماتریس پراکنش

حوزه های تخصصی:
تعداد بازدید : 285 تعداد دانلود : 606
در دهه های اخیر توجه زیادی به تخمین زیست توده جنگلی شده است. تهیه نقشه های جامع و صحیح از زیست توده جنگلی جهت مدل کردن چرخه کربن جهانی و کاهش گازهای گلخانه ای از اهمیت بسیار زیادی برخوردار است. روش های قدیمی برای تخمین زیست توده براساس مقادیر بازپراکنش ها به کمک آنالیزهای رگرسیون صورت می پذیرفت. مشکل اصلی این روش ها، سطح اشباع پایین آنها در طول موج ها و پلاریزاسیون های مختلف بدلیل در نظر نگرفتن پارامترهای ساختاری بود. به کمک تکنیک های اینترفرومتری، تحقیقات به سمت استخراج پارامترهای ساختاری سوق پیدا کرد. ارتفاع یکی از پارامترهای ساختاری می باشد که جهت تخمین زیست توده جنگلی می تواند استفاده شود. بهبود روش های بازیابی ارتفاع درختان نقش بسیار مهمی در استخراج صحیح زیست توده جنگلی ایفا می کند. در این مقاله یک روش جدید به منظور بهینه سازی ماتریس پراکنش به کمک تغییر پایه پلاریزاسیون جهت تخمین ارتفاع معرفی شده است. به کمک تغییر ماتریس پراکنش در پایه پلاریزاسیون های مختلف برای هر دو تصویر پایه و پیرو، پارامترهای همبستگی مختلف استخراج شده و با روش های مختلف تخمین ارتفاع، ارتفاع درختان تخمین زده شده است. داده های مورد بررسی، داده های تمام پلاریمتری از سنجنده هوایی SETHI در باند P می باشد که در منطقه جنگل های شمالی واقع در Remningstorp در جنوب کشور سوئد برداشت شده است. نتایج نشان می دهد که روش هایی که در آنها تغییر فاز وجود دارد در اثر تغییر پارامترهای هندسی بیضوی، بهبود چشمگیری داشته اند بطوری که روش های فاز حجم تصادفی برروی زمین با  76/0= R 2 و76/3 = RMSE و تفاضلی مدل رقومی با 69/0-= R 2 بهترین بهبود در نتایج را داشته اند و روش وارونگی دامنه همدوسی که با مقدار کوهرنس ارتفاع را استخراج می کند، با 17/0= R 2 بهبود چندانی در نتایج آن ملاحظه نشده است.
۱۰.

بهبود تخمین ارتفاع جنگل با روش بهینه سازی کوهرنس هوش جمعی ذرات به کمک داده های تداخل سنجی پلاریمتریک(مقاله علمی وزارت علوم)

نویسنده:
منبع: سنجش از دور و GIS ایران سال هشتم پاییز ۱۳۹۵ شماره ۳ (پیاپی ۳۱)

کلید واژه ها: بهینه سازی کوهرنس PSO تداخل سنجی پلاریمتری PCT تخمین ارتفاع

حوزه های تخصصی:
تعداد بازدید : 237 تعداد دانلود : 821
ازآنجاکه درختان نقش اساسی در تغییرات دی اکسید کربن و شرایط آب وهوایی دارند، تخمین زیست تودة موجود در درختان بسیار اهمیت دارد. روش های راداری که پارامترهای ساختاری را در تخمین زیست توده در نظر نمی گیرند منجر به نتایجی با سطح اشباع پایین می شوند. ارتفاع از پارامترهای ساختاری است و یکی از عوامل مهم تأثیرگذار در بهبود تخمین ارتفاع استفاده از کوهرنس بهینه است. در این مقاله، از داده های شبیه سازی شده در باندهای P و L برای تخمین ارتفاع به روش های تفاضلی، اندازه همدوسی، ترکیبی و Polarization Coherence Tomography (PCT) استفاده شده است. روش تفاضلی باعث تخمین ارتفاع کمتر از مقدار واقعی به اندازة 14 متر در باند P و 11 متر در باند L شده است؛ درحالی که روش اندازة همدوسی، به نسبت روش تفاضلی، نتایج بهتری به دست می آورد و اختلاف مقادیر میانگین ارتفاعات در این روش با مقادیر واقعی در باند P، 8 متر و در باند L، 2 متر است. روش های ترکیبی و PCT نتایجی نزدیک به هم دارند و اختلاف میانگین مقادیر ارتفاعات به دست آمده با مقدار واقعی کمتر از 2 متر است اما نتایج حاصل از روش PCT به دلیل استفاده از کوهرنس بهینه، از روش ترکیبی بهتر است. روش بهینه سازی کوهرنس به روش PSO که در این مقاله پیشنهاد شده است نتایجی بهتر از روش های دیگر حاصل کرده است و اختلاف میانگین مقادیر ارتفاعات به دست آمده با مقدار واقعی به کمتر از 5/0 متر می رسد.
۱۱.

بهبود شناسایی تغییرات در مناطق شهری با انتخاب ویژگی های طیفی و مکانی بهینه مبتنی بر الگوریتم ژنتیک(مقاله علمی وزارت علوم)

نویسنده:
منبع: سپهر دوره بیست و چهارم زمستان ۱۳۹۴ شماره ۹۶

کلید واژه ها: الگوریتم ژنتیک تحلیل مؤلفه های اصلی شناسایی تغییرات تصاویر سنجش از دور ویژگی های مکانی (بافت) فاصله JM

حوزه های تخصصی:
  1. حوزه‌های تخصصی جغرافیا فنون جغرافیایی روش های کمی در جغرافیا
  2. حوزه‌های تخصصی جغرافیا جغرافیای انسانی جغرافیای شهری فضا و محیط شهری
تعداد بازدید : 111 تعداد دانلود : 768
آنالیز تصاویر چندزمانه سنجش از دور، تکنیک کارآمدی برای شناسایی تغییرات کاربری و پوشش اراضی در مناطق شهری می باشد. جدا از تکنیک بکار رفته برای شناسایی تغییرات،فضای ویژگی تأثیر بسیار زیادی در صحت نتایج دارد. حصول نتایج رضایت بخش در شناسایی تغییرات مناطق شهری، مستلزم بکارگیری ویژگی های طیفی و مکانی (بافت) بهینه می باشد. اگرچه جستجوی سراسری تنها تضمین دست یابی به مجموعه ویژگی های بهینه است، ولی در عمل فرآیندی بسیار زمانبر و غیرعملی است. در تکنیک های کاهش بعد همچون تکنیکPCA تنها استقلال آماری داده ها برای رسیدن به مؤلفه هایی جدید با وابستگی کمتر مدنظر بوده و بهبود صحت شناسایی تغییرات بطور مستقیم دنبال نمی شود. تعیین حدآستانه مناسب برای انتخاب ویژگی های بهینه در تکنیک تفکیک پذیری آماری (SAA) با فاصله JM نیز عملاً از کارایی این تکنیک می کاهد. تمرکز اصلی مقاله حاضر، انتخاب ویژگی های طیفی و بافت بهینه با الگوریتم ژنتیک و طبقه بندی کننده بیزین می باشد. جهت بررسی کارآیی تکنیک پیشنهادی، تغییرات شهر جدید سهند (شمال غرب ایران) با بکارگیری تصاویر سنجنده های IRS-P6 و Geo-Eye1اخذ شده در 14 جولای 2006 و 1 سپتامبر 2013 مورد بررسی قرار گرفت.تمامی تکنیک های مذکور در محیط برنامه نویسی MATLABR2013aپیاده سازی شدند.نتایج حاصل از این تحقیق نشان داد ویژگی های بافت می تواند به عنوان منبع اطلاعاتی مکمل، سبب بهبود نتایج شناسایی تغییرات در مناطق شهری شود. انتخاب ویژگی یک فرآیند تأثیرگذار در شناسایی تغییرات مبتنی بر ویژگی های طیفی و بافت می باشد. هریک از تکنیک های انتخاب ویژگی، محدودیت ها و مزایای خاص خودشان را داشته ولی در کل بهبود صحت شناسایی تغییرات را بدنبال دارند. مقایسه کارآیی تکنیک های انتخاب ویژگی نشان داد، تکنیک پیشنهادی در مقایسه با دو تکنیک متداولPCA و SAA (که نتایج مشابهی داشتند) از کارآیی و صحت بالاتری برخوردار است.با بکارگیری روش پیشنهادی، ضریب کاپا و صحت کلی نقشه تغییرات به ترتیب از 66/53% به 49/88% و از 94/58% به 39/90%،(در مقایسه با بکارگیری باندهای اصلی تصاویر)،افزایش یافت.
۱۲.

تلفیق نتایج چند طبقه بندی کنندة فازی با استفاده از قوانین اتصال در فضای توپولوژی فازی(مقاله علمی وزارت علوم)

نویسنده:
منبع: سنجش از دور و GIS ایران سال هفتم بهار ۱۳۹۴ شماره ۱ (پیاپی ۲۵)

کلید واژه ها: طبقه بندی فازی فضای توپولوژی فازی تلفیق قوانین اتصال

حوزه های تخصصی:
تعداد بازدید : 328 تعداد دانلود : 636
طبقه بندی، تکنیکی در تحلیل تصاویر سنجش از دور است که به طور وسیع در کاربرد های مختلف استفاده می شود. در روش های طبقه بندی نظارت شدة سنتی، اطلاعات آموزشی و نتایج طبقه بندی مبتنی بر اصل «هر پیکسل-یک کلاس» نمایش داده می شوند. در مواردی که عدم اطمینان و پیکسل های مختلط در سنجش از دور وجود دارد، استفاده از روش های فازی توصیه می شود. مطالعات اخیر نشان می دهند که استفاده از اطلاعات مجاورت به همراه اطلاعات طیفی می تواند به صحت بالاتری در طبقه بندی بینجامد. استفاده از اطلاعات مجاورت در پس پردازش نتایج طبقه بندی به دلیل وابستگی نداشتن به طبقه بندی کنندة اولیه از دلایل استفاده از آن در پژوهش حاضر است. قوانین اتصال در فضای توپولوژی فازی یکی از روش های استفاده از اطلاعات مجاورت در بخش پس پردازش است. درصورتی که از بیش از دو طبقه بندی کننده استفاده شود، می توان امکان تلفیق نتایج را بررسی کرد. در این پژوهش برای تلفیق مکانی نتایج با استفاده از قوانین اتصال در فضای توپولوژی فازی، دو راهکار پیشنهاد شده است. در راهکار نخست، یکی از دو طبقه بندی کننده مبنای تلفیق قرار می گیرد و در راهکار دوم فقط پیکسل هایی که در هر دو روش طبقه بندی، به صورت یکسان طبقه بندی شده اند و هم زمان پیکسل محدوده نیستند، در تصویر نهایی برچسب خود را حفظ می کنند. نتایج نشان می دهند که راهکار نخست درمقایسه با راهکار دوم دقت بهتری را به دست می دهد. بیشترین مقادیر صحت کلی و کاپای کلی به دست آمده مربوط به زمانی است که روش طبقه بندیِ بیشترین شباهت در راهکار نخست تلفیق مکانی مبنا قرار می گیرد و به ترتیب 01/89 و 98/88 هستند. به طور کلی، تلفیق مکانی نتایج درمقایسه با وضعیتی که فقط از یک طبقه بندی کننده استفاده شود، دقت را بهبود می دهد. کلید واژه ها : طبقه بندی فازی، فضای توپولوژی فازی، تلفیق، قوانین اتصال
۱۳.

آشکارسازی تغییرات مناطق شهری مبتنی بر شبکه های عصبی، ویژگی های مکانی و الگوریتم ژنتیک با استفاده از تصاویر ماهواره ای بزرگ مقیاس(مقاله علمی وزارت علوم)

نویسنده:
منبع: سنجش از دور و GIS ایران سال هفتم تابستان ۱۳۹۴ شماره ۲ (پیاپی ۲۶)

کلید واژه ها: آشکارسازی تغییرات گسترش شهر ویژگی های مکانی شبکه های عصبی الگوریتم ژنتیک

حوزه های تخصصی:
تعداد بازدید : 348 تعداد دانلود : 916
آشکارسازی تغییرات پوشش اراضی برای پایش رشد شهرها و برنامه ریزی مسئولانه در مورد آنها امری ضروری است. سنجش از دور فناوری قدرتمندی است که می توان از آن در آشکار سازی تغییرات اراضی استفاده کرد. یکی از چالش های موجود در این زمینه توسعة روش های کارآمد به منظور آشکار سازی تغییرات با سطح خودکارسازی بالاست که بتواند اطلاعاتی صحیحی در مورد موقعیت جغرافیایی و ماهیت این تغییرات ارائه کند. در پژوهش حاضر با استفاده از دو تصویر GeoEye منطقة 17 شهر تهران مربوط به سال های 2004 و 2010 از ویژگی های مکانی متن تصویر، شبکه های عصبی و الگوریتم ژنتیک برای آشکار سازی تغییرات استفاده شد. شش حالت مختلف، هریک با دو رویکرد طبقه بندی مستقیم چندزمانی و مقایسة پس از طبقه بندی، از دیدگاه صحت آشکارسازی و زمان اجرای الگوریتم مورد مقایسه قرار گرفتند. بررسی های انجام شده نشان دادند که رویکرد طبقه بندی مستقیم چندزمانی در هر شش حالت نتایج بهتری ارائه کرده است. همچنین در بین شش حالت بررسی شده، عملکرد حالت ششم (روش پیشنهادی این تحقیق) از نظر صحت طبقه بندی بهتر است. در حالت ششم پس از انتخاب بهینة ویژگی ها، طبقه بندی مبتنی بر شبکه های عصبی با تعیین معماری شبکه و با چندین بار اجرا صورت می گیرد. هرچند زمان اجرای این روش درمقایسه با دیگر حالت های بررسی شده بیشتر است، اما درصورتی که صحت طبقه بندی به زمان ارجحیت داشته باشد این روش کاملاً توصیه می شود
۱۴.

ارزیابی عملکرد توصیفگرهای موضعی در تصاویر ماهواره ای(مقاله علمی وزارت علوم)

نویسنده:
منبع: سنجش از دور و GIS ایران سال هفتم زمستان ۱۳۹۴ شماره ۴ (پیاپی ۲۸)

کلید واژه ها: تناظریابی مرتبط سازی تصویر عوارض موضعی توصیفگر

حوزه های تخصصی:
تعداد بازدید : 738 تعداد دانلود : 315
توصیفگرها توزیع درجات خاکستری تصویر را در ناحیه اطراف عوارض توصیف می کنند و در تعیین مطابقت آنها، در کاربردهای گوناگونی همچون مرتبط سازی تصویر و تولید مدل سه بعدی در فتوگرامتری و سنجش از دور، نقش اساسی دارند. روش های گوناگونی برای ایجاد توصیفگر ارائه شده که ویژگی ها و کاربردهای متفاوتی دارند. شناخت ویژگی های الگوریتم ها و چگونگی عملکرد آنها در شرایط گوناگون نیازی اساسی برای استفاده مناسب از آنها در موارد گوناگون است. در این تحقیق عملکرد ده توصیفگر مطرح شامل SI، SC، SIFT، PIIFD، SURF، DAISY، LSS، LBP، LIOP و BRISK در انواع مختلف از تصاویر ماهواره ای اپتیکی با تنوع گسترده ای از اعوجاجات شامل اختلاف مقیاس، دوران، روشنایی و تغییر منظر مورد ارزیابی قرار می گیرد. هشتاد جفت تصویر ماهواره ای در سه دسته گوناگون شامل شبیه سازی شده، چندزمانه و چندسنسوری انتخاب می شود و نتایج با استفاده از چهار معیار اساسی Recall، Precision، دقت هندسی و کارآیی مقایسه می شود. الگوریتمی که در همه حالت ها و برای همه تصاویر بهتر از دیگر الگوریتم ها باشد، وجود ندارد اما به طور میانگین، توصیفگر های DAISY و SIFT بهترین عملکرد، و الگوریتم های SI و SC نیز بدترین نتایج را در تصاویر ماهواره ای دارند.
۱۵.

استفاده از تلفیق تصاویر نوری و راداری برای تیپ بندی مراتع(مقاله علمی وزارت علوم)

نویسنده:
منبع: سنجش از دور و GIS ایران سال ششم پاییز ۱۳۹۳ شماره ۳ (پیاپی ۲۳)
حوزه های تخصصی:
تعداد بازدید : 607 تعداد دانلود : 634
سنجش از دور را می توان به عنوان ابزاری قدرتمند با به کارگیری داده از منابع مختلف و تلفیق آنها با یکدیگر برای طبقه بندی انواع پوشش گیاهی و کاربری اراضی به کار گرفت. طبقه بندی انواع مراتع، اطلاعات اصلی را برای آنالیز بهره وری کشاورزی، محاسبة کربن و شناسایی تنوع زیستی فراهم می کند. نخستین مجموعه داده های استفاده شده در مطالعة حاضر، تصویر لندست (Thermatic Mapper) TM و دومین مجموعة داده ها، تصویر راداری ENVISAT ASAR برای منطقة مورد مطالعه واقع در محدودة شمال غربی شهر تهران (البرز جنوبی) است. در پژوهش حاضر، پس از اعمال چندین روش تصحیح توپوگرافی تصویر نوری که همگی جزو روش های غیرلامبرتی اند و با توجه به معیارهای ارزیابی این روش ها، تصحیح توپوگرافی تصویر نوری انجام شد. در ادامه، سودمندی و بهبودی که با استفاده از ویژگی های استخراج شده از تصویر راداری و نوری که شامل بافت آنهاست و در تلفیق با باندهای طیفی تصویر نوری به کار رفته است. روی نتایج طبقه بندی نهایی بررسی شد. برای انتخاب ویژگی های مستقل که منتج به بالاترین صحت نتایج شود از الگوریتم ژنتیک استفاده شد. تأثیر استفاده از داده های ارتفاعی منطقه و شاخص های گیاهی تصویر نوری بر نتایج نهایی طبقه بندی در بخش دیگری از تحقیق بررسی و باندهای بهینه انتخاب شدند. نتایج به دست آمده نشان دهندة افزایش صحت کلی و ضریب کاپای طبقه بندی بیشترین شباهت از 04/77 و 7317/0 برای تصویر نوری اولیه به 1/78 و 7495/0 در حالت استفاده از الگوریتم ژنتیک و 37/83 و 8036/0 در حالت استفاده از داده های ارتفاعی و شاخص های گیاهی است. کلید واژه ها : تلفیق تصاویر، طبقه بندی مراتع، تصحیح توپوگرافی، بافت تصویر، سنجش از دور.
۱۶.

آشکارسازی خودکار تغییرات در تصاویر ماهواره ای چندزمانه مبتنی بر حد آستانه گذاری با الگوریتم بهینه سازی توده ذرات(مقاله علمی وزارت علوم)

نویسنده:
منبع: سنجش از دور و GIS ایران سال ششم بهار ۱۳۹۳ شماره ۱ (پیاپی ۲۱)

کلید واژه ها: آشکارسازی تغییرات حد آستانه گذاری تصاویر ماهواره ای چندزمانه الگوریتم بهینه سازی توده ذرات

حوزه های تخصصی:
تعداد بازدید : 971 تعداد دانلود : 375
آشکارسازی صحیح و آنی تغییرات پوشش و کاربری اراضی از موضوعات مهم حوزة برنامه ریزی و مدیریت اراضی به شمار می آید. یکی از روش های متداول شناسایی تغییرات، آنالیز تصاویر سنجش از دوری با تکنیک هایی نظیر حد آستانه گذاری تصویر اختلاف است. روش های متداول حد آستانه گذاری، عموماً مبتنی بر جست وجوی فراگیر و مستلزم صرف هزینة محاسباتی بالایی هستند. از طرفی، ماهیت تک بعدی آنها سبب می شود تا در حل مسائل چندبعدی همچون حد آستانه گذاری تصاویر چندطیفی سنجش از دوری زمان محاسبات به طور نمایی افزایش یابد. راهکار پیشنهادی این پژوهش برای کاهش زمان محاسبات تکنیک های متداول حد آستانه گذاری، استفاده از الگوریتم بهینه سازی توده ذرات است که تکنیک سریع و کارآمدی را برای شناسایی تغییرات معرفی می کند. روش پیشنهادی همراه با چندین روش متداول حد آستانه گذاری روی دو سری دادة تصاویر دوزمانة سنجنده TM پیاده سازی شد. برای ارزیابی قابلیت تکنیک ارائه شده در این پژوهش از سه پارامتر زمان محاسبات، صحت آشکارسازی تغییرات و پایداری الگوریتم در برآورد حد آستانة بهینه استفاده شد. نتایج ارزیابی نشان می دهند که الگوریتم پیشنهادی ضمن حفظ صحت آشکارسازی تغییرات، سبب کاهش زمان محاسبات در حدود 15 درصد و 98 درصد در مقایسه با دو تکنیک حد آستانه گذاری OTSU و کمینه سازی مجموع واریانس داخل کلاسی شده است. همچنین با مقایسة مقادیر جدول توزیع نرمال استاندارد با آمارة آزمون برآوردشده، ثبات الگوریتم پیشنهادی در برآورد حد آستانة بهینه در سطح اطمینان 90 درصد پذیرفته شد. نتایج حاصل از تحقیق بیانگر قابلیت بالای تکنیک پیشنهادی در حد آستانه گذاری سریع، پایدار و کارآمد تصویر اختلاف به منظور آشکارسازی خودکار و نظارت نشدة تغییرات در تصاویر ماهواره ای چندزمانه است.
۱۷.

به کارگیری آنتروپی در تشخیص لبة تصاویر سنجش از دور با استفاده از سیستم دانش پایه و تعیین حدود آستانه منطقه ای(مقاله علمی وزارت علوم)

نویسنده:
منبع: سنجش از دور و GIS ایران سال پنجم زمستان ۱۳۹۲ شماره ۴ (پیاپی ۲۰)

کلید واژه ها: تشخیص لبه شانون آنتروپی حد آستانه سیستم دانش پایه تصاویر هوایی / ماهواره ای

حوزه های تخصصی:
تعداد بازدید : 131 تعداد دانلود : 103
آشکارسازی لبه یکی از مفاهیم کاربردی در پردازش تصاویر سنجش ازدور است. هدف آشکارسازی لبه، نشان گذاری نقاطی از تصویر است که در آنها میزان روشنایی به شدت تغییر می کند. تغییرات شدید خصوصیات تصویر معمولاً نمایندة رویدادهای مهم و تغییر در خصوصیات محیط هستند و در کاربردهای مختلفی نظیر بخش بندی تصاویر ماهواره ای کاربرد دارند. بسیاری از روش های کلاسیک تشخیص لبه بر مشتق پیکسل های تصویر اصلی متکی هستند، مانند اپراتورهای گرادیان، لاپلاسین و لاپلاسین از اپراتور گاوسی. در تصاویر سنجش از دوری به علت بالابودن میزان تغییرات، اپراتورهای کشف با ضعف در تشخیص صحیح محدودة عوارض و حفظ پیوستگی و انسجام محدودة آنها همراه اند. در پژوهش حاضر به منظور حل این مشکلات، سیستمی دانش پایه برای کشف لبه براساس خصوصیات تصاویر سنجش از دوری ارائه می شود. در این روش ابتدا به صورت منطقه ای و با استفاده از سیستم دانش پایه، حدود آستانة مناطق مختلف تصویر تعیین می شود و سپس با استفاده از شانون آنتروپی مرز بین این مناطق استخراج می شود. این کار موجب حفظ پیوستگی لبه های کشف شده خواهد شد. از مزایای این روش بررسی ویژگی های تصویر به شکل جزئی و کلی به صورت همزمان است. این سیستم قابلیت انعطاف با نوع نیاز و خواست کاربر را برحسب میزان جزئیات و کاربرد مورد نظر دارد. در نهایت به منظور ارزیابی روش، نتایج به دست آمده با الگوریتم های استاندارد سوبل، پرویت و LoG مقایسه شدند و نشان داده شد که این روش به شکل کارآمدی قادر به شناسایی لبه های تصاویر مختلف است.
۱۸.

نرمال سازی خودکار تصاویر ماهواره ای چندزمانه با استفاده از پیکسل های تغییرنیافته(مقاله علمی وزارت علوم)

نویسنده:
منبع: سنجش از دور و GIS ایران سال سوم زمستان ۱۳۹۰ شماره ۴ (پیاپی ۱۲)

کلید واژه ها: نرمال سازی رادیومتریک خودکار تصاویر ماهواره ای چندزمانه پیکسل های تغییرنیافته حد آستانه گذاری تصویر هدف

حوزه های تخصصی:
تعداد بازدید : 499 تعداد دانلود : 213
در تحقیق حاضر روش نرمال سازی خودکاری برمبنای رگرسیون با استفاده از پیکسل های تغییرنیافته، مدل سازی هیستوگرام تصویر هدف و محاسبه ضرایب تبدیل خطی برای دسته های مختلف پیکسل ها از لحاظ درجات روشنایی در هر باند، ارائه شده است. در مرحله تعیین پیکسل های تغییرنیافته، روش جدیدی معرفی شده است که این مرحله را به صورت خودکار انجام می دهد و صحت بالایی نیز دارد. در مرحله دسته بندی پیکسل ها نیز براساس درجات روشنایی، روش جدیدی پیشنهاد شده است که تعداد و بازه های لازم برای دسته بندی را به طور خودکار و جداگانه براساس اطلاعات هیستوگرام تصویر هدف، برای هر باند تعیین می کند تا تأثیرات مختلف اتمسفر و سایر عوامل را روی درجات خاکستری مختلف مدل کند. ایده مورد نظر روی دو تصویر سنجنده TM پیاده سازی شد. نتایج ارزیابی نشان داد در صورتی که از روش پیشنهادی در مرحله تعیین خودکار پیکسل های تغییرنیافته استفاده شود، صحت کلی آشکارسازی تغییرات از 15/95 درصد به 14/96 درصد در مقایسه با روش های متداول بهبود می یابد و همچنین خطای کمترین مربعات نرمال سازی، در مقایسه با حالتی که برای کل تصویر از یک برازش خطی استفاده شود، در باندهای 1، 2، 3، 4، 5 و 7 به ترتیب 44/26، 13/50، 54/38، 27/5، 75/3 و 31/3 و در مقایسه با حالتی که از مقادیر پیش فرض برای دسته بندی پیکسل ها براساس درجات خاکستری و برازش جداگانه خطی برای هر دسته استفاده شود، به ترتیب 82/30، 9/45، 53/30، 19/4، 82/2 و 32/0 کاهش می یابد.
۱۹.

بهبود الگوریتم SIFT به منظور تناظریابی تصاویر ماهواره ای(مقاله علمی وزارت علوم)

نویسنده:
منبع: سنجش از دور و GIS ایران سال دوم زمستان ۱۳۸۹ شماره ۴ (پیاپی ۸)

کلید واژه ها: پایداری توزیع مکانی تمایز تناظریابی تصویر الگوریتم SIFT

حوزه های تخصصی:
تعداد بازدید : 191 تعداد دانلود : 176
الگوریتم (Scale Invariant Feature Transform) SIFT یکی از روش های تناظریابی عارضه مبناست که به منظور انجام فرآیند تشخیص الگو در تصاویر اپتیکی ارائه شده است. با اینکه عملکرد بهتر توصیفگر این الگوریتم در مقایسه با دیگر روش ها اثبات شده و نسخه های گوناگونی نیز در مسیر افزایش کارایی آن ارائه شده است، اما عملگر استخراج عارضه در این الگوریتم با مشکلات جدی برای انجام تناظریابی در تصاویر سنجش از دور مواجه است. کنترل پذیری این الگوریتم در استخراج عوارض در تصاویر سنجش از دور پایین است و در آن راه حلی نیز برای انتخاب عوارض پایدارتر و متمایزتر و کنترل توزیع آنها، به منظور موفقیت در فرآیند تناظریابی، پیشنهاد نشده است. در مقاله حاضر با بهره گیری از خصوصیات فضای مقیاس در این الگوریتم روشی جدید با عنوان UR-SIFT (Uniform Robust Scale Invariant Feature Transform) به منظور استخراج عوارض پایدار تصاویر و در توزیع یکنواختی از مکان و مقیاس طراحی شده است. برای این منظور با توسعه روابطی جدید برمبنای ضریب مقیاس سطوح هرم تصاویر در الگوریتم SIFT، تعداد عوارض مورد نیاز در هر سطح تعیین گردیده و با بهره گیری از دو معیار پایداری و تمایز و در ساختاری شبکه ای استخراج شده است. بعد از استخراج عوارض و ایجاد توصیفگر آنها، فرآیند تناظریابی اولیه با استفاده از فاصله اقلیدسی میان توصیفگرها و با بهره گیری از روشی دوجانبه انجام می شود. در ادامه با استفاده از مدل تبدیل پروژکتیو و روش کمترین مربعات، صحت جفت تناظرهای اولیه بررسی شده و تناظرهای ناسازگار حذف شده اند. نتایج عملی بر روی دو جفت تصویر ماهواره ای بیانگر کارایی بالای روش پیشنهادی در مقایسه با الگوریتم استاندارد SIFT است.
۲۰.

برآورد ریز شبیه ساز دسترسی به خدمات شهری: روش مبتنی بر سامانه اطلاعات مکانی و تلفیق حمل و نقل کاربری(مقاله علمی وزارت علوم)

نویسنده:
منبع: سنجش از دور و GIS ایران سال اول تابستان ۱۳۸۸ شماره ۲

کلید واژه ها: دسترسی حمل ونقل کاربری زمین سامانه اطلاعات مکانی مدل های ریز شبیه ساز

حوزه های تخصصی:
تعداد بازدید : 807 تعداد دانلود : 598
در بیشتر مدل های برنامه ریزی شهری، ابعاد مکانی ارزیابی بر مبنای سامانه زون بندی و فرض توزیع یکسان مشخصات مورد ارزیابی در پهنه هر زون است. در این مدل ها تعامل میان زون های مختلف از طریق اتصال مراکز زون ها و ارزیابی موقعیت مراکز نسبت به یکدیگر صورت می گیرد. محدودیت های مدل های مکانی در قالب سامانه های زون مبنا، به طور جدی توانایی آنها برای پاسخگویی به مباحث جاری برنامه ریزی را محدود می سازد و بنابراین به مدل هایی مبتنی بر المان های مکانی ریزدانه و ناپیوسته نیاز است. در این تحقیق، یک مدل ریزشبیه ساز به منظور محاسبه میزان دسترسی به خدمات شهری، با تمرکز بر تلفیق زیرسامانه های کاربری زمین و حمل ونقل، ارائه شده است. در این زمینه معیارهای مناسب، شامل تاثیرات نوع کاربری زمین و شاخصه های حمل ونقل، مورد بررسی قرار گرفته و نتایج آن در قالب برآورد پارامتر دسترسی، که مهم ترین بخش در سامانه تلفیقی کاربری زمین ـ حمل ونقل به شمار می آید، نمایش داده شده است. از سوی دیگر، برای در نظر گرفتن مشخصات و نیز وظایف و کارکرد خاص هر کاربری در تکوین و توسعه مدل، کاربری ها به دو دسته کاربری های تک خدماتی و چندخدماتی دسته بندی گردیده و برای هر یک، مدل برآورد دسترسی جداگانه ای ارائه شده است. بدیهی است هر چه واحد مکانی مورد ارزیابی کوچک تر باشد، مدل برآورد دسترسی جزئیات بیشتری را در بر خواهد گرفت و نتایج دقیق تر خواهد بود. بدین منظور، پلاک ساختمانی به عنوان کوچک ترین واحد ارزیابی میزان دسترسی به خدمات شهری در نظر گرفته شد و مدل ریزدانه پیشنهادی در محیط GIS و برای قسمتی از شهر شیراز به اجرا درآمد و مورد آزمون قرار گرفت. نتایج تحقیق نشان داد که این مدل به خوبی توانسته است واقعیات شهودی را در بر گیرد و تلفیقی از تعریف نظری یا تئوریک و قابل تفسیر به وسیله تحلیل گران شهری و واقعیات فیزیکی دنیای بیرون را برای شاخص دسترسی، به دست دهد. بررسی نتایج مدل به برنامه ریزان شهری این امکان را می دهد تا کمبودهای موجود، چه در شبکه های حمل ونقل و چه در سامانه کاربری زمین، مشخص گردد و تصمیم های لازم برای رفع این کمبودها، و همچنین مدیریت هر چه بهتر شهری، گرفته شود.

کلیدواژه‌های مرتبط

پدیدآورندگان همکار

تبلیغات

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

حوزه تخصصی

زبان