محمد کریمی فیروزجایی؛ امیر صدیقی؛ نجمه نیسانی سامانی
چکیده
بکارگیری ویژگیهای بهینه در الگوریتمهای مختلف طبقهبندی، بر دقت نتایج حاصل از طبقهبندی تأثیرگذار میباشد. هدف از پژوهش حاضر بررسی قابلیتهای تصاویر هایپریون و لندست و مقایسه کارایی الگوریتمهای بهینهسازی ازدحام ذرات و جستجوی گرانشی جهت تعیین ویژگیهای بهینه برای تفکیک اراضی فضای سبز و شالیزار میباشد. در این مطالعه ...
بیشتر
بکارگیری ویژگیهای بهینه در الگوریتمهای مختلف طبقهبندی، بر دقت نتایج حاصل از طبقهبندی تأثیرگذار میباشد. هدف از پژوهش حاضر بررسی قابلیتهای تصاویر هایپریون و لندست و مقایسه کارایی الگوریتمهای بهینهسازی ازدحام ذرات و جستجوی گرانشی جهت تعیین ویژگیهای بهینه برای تفکیک اراضی فضای سبز و شالیزار میباشد. در این مطالعه از تصاویر ماهوارهای لندست، هایپریون و مجموعه دادههای واقعی مربوط به منطقهای در شمال ایران استفاده شده است. در این مطالعه کارایی الگوریتمهای بهینهسازی ازدحام ذرات و جستجوی گرانشی جهت تعیین ویژگیهای بهینه و قابلیت تصاویر لندست و هایپریون برای تفکیک اراضی فضای سبز و شالیزار با استفاده از مجموعهی دادههای واقعی مقایسه گردید. برای ارزیابی نتایج از پارامترهای دقت کاربر، دقت تولید کننده، دقت کلی و ضریب کاپا استفاده شده است. نتایج پژوهش بیانگر این است که دقت کلی تفکیک اراضی فضای سبز و شالیزار با تصویر هایپریون 15 درصد بالاتر از تصویر لندست میباشد. بکارگیری شاخصهای طیفی در فرایند طبقهبندی، سبب بهبود دقت تفکیک اراضی فضای سبز و شالیزار در هر دو داده لندست و هایپریون می گردد. همچنین استفاده از الگوریتم بهینهسازی برای تعیین ویژگیهای بهینه و استفاده از ویژگیهای بهینه در فرایند طبقهبندی سبب افزایش دقت تفکیک اراضی فضای سبز و شالیزار میگردد. با توجه به مقادیر دقت کلی، کارایی الگوریتم بهینهسازی جستجوی گرانشی برای تفکیک اراضی فضای سبز و شالیزار 2 درصد بهتر از الگوریتم ازدحام ذرات میباشد.
میثم ارگانی؛ امیر رمضانی؛ صادق الیاسی
چکیده
یکی از کاربردهای مهم علم سنجش از دور در بخش معدن و اکتشاف ذخایر معدنی و برآورد نقاط امید بخش زمینی میباشد. در این پژوهش با استفاده از دانش سنجش از دور به طبقهبندی و تفکیک سنگهای سطحی موجود در معدن دیرومره پرداخته شده است. هدف اصلی از انجام این پژوهش شناسایی مناطق حاوی بازالت مرغوب در سطح میباشد. در این راستا از تصاویر ماهواره چند ...
بیشتر
یکی از کاربردهای مهم علم سنجش از دور در بخش معدن و اکتشاف ذخایر معدنی و برآورد نقاط امید بخش زمینی میباشد. در این پژوهش با استفاده از دانش سنجش از دور به طبقهبندی و تفکیک سنگهای سطحی موجود در معدن دیرومره پرداخته شده است. هدف اصلی از انجام این پژوهش شناسایی مناطق حاوی بازالت مرغوب در سطح میباشد. در این راستا از تصاویر ماهواره چند طیفی ASTER که دارای قدرت تفکیک طیفی و مکانی نسبتاً قابل قبولی میباشند، استفاده شده است. در اولین قدم به منظور دستیابی به ترکیب درست طیفی بازالت با توجه به امضای طیفی تعریف شده توسط دانشگاه جان هاپکینز برای سنگ بازالت، رفتار باندهای ماهواره استر و دادههای اولیه زمینی تهیه شده توسط کارشناسان؛ شاخص استخراج بازالت (BEI) تعریف شد. سپس با اعمال فیلتر Convolution and Morphology بر روی تصویر حاصله سعی بر آن شد تا با به دست آوردن یک ترکیب رنگی مناسب، بازالت مرغوب از نامرغوب تمایز داده شود. در قدم بعد برای بارزسازی بهتر دو نمونه نقشه با دو طبقهبندی متفاوت با استفاده از الگوریتم Maximum Likelihood ساخته شدند. در انتها با توجه به تمام دادههای تحقیق و عملیات میدانی شاخص اولیه توسعه داده شد.
فائزه اسلامیزاده؛ حیدر راستی ویس
چکیده
با توجه به رشد جمعیت و افزایش شهرنشینی، وقوع حوادث طبیعی مثل زلزله می تواند خسارات و تلفات سنگینی را ایجاد نموده و توسعه شهرها و کشورها را دچار وقفه نماید. پس از وقوع زلزله، مدیران بحران برای به حداقل رساندن خسارات، اعم از جانی و مالی، به اطلاعات سریع از منطقه آسیب دیده نیاز دارند. یکی از اطلاعاتی که می تواند در امدادرسانی سریع و صحیح ...
بیشتر
با توجه به رشد جمعیت و افزایش شهرنشینی، وقوع حوادث طبیعی مثل زلزله می تواند خسارات و تلفات سنگینی را ایجاد نموده و توسعه شهرها و کشورها را دچار وقفه نماید. پس از وقوع زلزله، مدیران بحران برای به حداقل رساندن خسارات، اعم از جانی و مالی، به اطلاعات سریع از منطقه آسیب دیده نیاز دارند. یکی از اطلاعاتی که می تواند در امدادرسانی سریع و صحیح مورد استفاده قرار گیرد نقشه موقعیت ساختمان های تخریب شده و میزان تخریب آن ها می باشد که به آن نقشه تخریب می گویند. از این رو هدف از این تحقیق ارائه یک روش جدید به منظور ارزیابی میزان تخریب ناشی از زلزله با استفاده از تلفیق تصویر ماهواره ای و داده لیدار بعد از زلزله به همراه نقشه قبل از زلزله می باشد. روش پیشنهادی، پس از پیش پردازش های لازم بر روی تصویر ماهواره ای و داده لیدار بعد از زلزله، توصیف گرهای بافتی مختلف تصویر و داده لیدار استخراج می شوند. در مرحله بعد، با استفاده از لایه ساختمان ها که از نقشه استخراج می شود نواحی مربوط به ساختمان ها از تصویر ماهواره ای و داده لیدار، همچنین از توصیف گرهای تصویر ماهواره ای و داده لیدار استخراج می شود. در ادامه، توصیف گرهای بافتی استخراج شده از تصویر ماهواره ای و داده لیدار با هم تلفیق می شوند. سپس نقاط داخل این ناحیه، با روش طبقه بندی ماشین بردار پشتیبان به دو کلاس آوار و سالم طبقه بندی می شوند. در نهایت، بر اساس مساحت کلاس آوار هر ساختمان، با در نظر گرفتن یک حد آستانه، ساختمان های تخریب شده و ساختمان های تخریب نشده مشخص می گردد. در این مقاله، تصویر ماهواره ای WorldViewپرتوپرینس، پایتخت هایتی،پس از زلزله 2010 به همراه داده لیدار استفاده شده است. صحت کلی بدست آمده 97% و ضریب کاپا به دست آمده 92% نشاندهنده توانایی الگوریتم در تولید نقشه تخریب پس از زلزله میباشد.
علی شجاعیان؛ صادق مختاری چلچه؛ لیلا کشتکار؛ اسماعیل سلیمانی راد
چکیده
امروزه دادههای سنجش از دور قادر به ارائه جدیدترین اطلاعات برای مطالعه پوشش زمین و کاربریهای اراضی میباشند. این تصاویر به دلیل ارائه اطلاعات به هنگام، تنوع اشکال، رقومی بودن و امکان پردازش در تهیه نقشههای کاربری از اهمیت بالایی برخوردارند. مشخص کردن پوشش اراضی کمک شایانی به مدیران مناطق جهت تصمیمگیری میکند. در این ...
بیشتر
امروزه دادههای سنجش از دور قادر به ارائه جدیدترین اطلاعات برای مطالعه پوشش زمین و کاربریهای اراضی میباشند. این تصاویر به دلیل ارائه اطلاعات به هنگام، تنوع اشکال، رقومی بودن و امکان پردازش در تهیه نقشههای کاربری از اهمیت بالایی برخوردارند. مشخص کردن پوشش اراضی کمک شایانی به مدیران مناطق جهت تصمیمگیری میکند. در این راستا هدف از انجام این پژوهش مقایسه کارآیی روشهای پارامتریک (کمترین فاصله و جعبهای) و ناپارامتریک (ماشین بردار پشتیبان) در طبقهبندی پوشش اراضی با استفاده از تصاویر ماهوارهای لندست 8 در بخشی از شهرستان دزفول میباشد. ماهیت این پژوهش توسعهای-کاربردی و روش انجام آن توصیفی-تحلیلی بوده است. بدینمنظور دادههای ماهوارهای شامل تصاویر ماهوارهای لندست 8 (13/8/2013) تهیه گردید، و با استفاده از نرم افزار ENVI آمادهسازی و مورد تجزیه و تحلیل قرار گرفته است. میزان کارآیی هر روش طبقهبندی با محاسبه دو شاخص صحت کلی و ضریب کاپا بررسی گردید.نتایج مقایسه روشهای مورد استفاده در پژوهش نشان داد الگوریتم SVM به ویژه سه کرنل خطی، شعاعی و چند جملهای نسبت به روشهای پارامتریک به ترتیب با 15/97% ، 89/95%و 63/95% از دقت مطلوبتری برخوردار هستند.این مطالعه کارآیی و قابلیت مطلوبتر الگوریتمهای SVM را در طبقهبندی تصاویر سنجش از دور در مقایسه با روشهای پارامتریک تأیید مینماید.