[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
برای نویسندگان::
آرشیو مجله و مقالات::
داوری تخصصی::
تماس با ما::
امکانات پایگاه::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
پایگاه های نمایه کننده







 
..
آمار سایت
تعداد مشاهده ی مقالات: 3214616

مقالات منتشر شده: 688
نرخ پذیرش: 73.29
نرخ رد: 17.69

میانگین دریافت تا تصمیم‌گیری اولیه: 5 تا 10 روز
میانگین دریافت تا پذیرش: 194 روز
____
..
:: دوره 15، شماره 3 - ( 12-1404 ) ::
دوره 15 شماره 3 صفحات 104-91 برگشت به فهرست نسخه ها
بهره گیری از الگوریتم شبکه عصبی انتشار ناهمسانگرد جهت بهبود صحت طبقه بندی تصاویر چند طیفی
پرویز ضیاییان فیروز آبادی* ، محمد توکلی صبور ، بهناز ترکمانی اصل
چکیده:   (19 مشاهده)
طبقه‌بندی تصاویر سنجش از دوری به منظور تفسیر و تهیه نقشه‌های موضوعی یکی از مهم‌ترین مباحث در علم سنجش از دور می باشد. با توجه به اهمیت این فرآیند در استخراج اطلاعات از تصاویر چندطیفی ماهواره‌ای، پژوهش حاضر تلاش دارد تا با بهره‌گیری از الگوریتم شبکه عصبی انتشار ناهمسانگرد (Anisotropic Diffusion Neural Network-ADNN) به همراه بهره گیری از بافت حاصل از تبدیل موجک، صحت طبقه‌بندی تصاویر ماهواره ای را بهبود دهد. این روش، مقادیر پیکسل‌های تصویر ورودی را با میانگین وزنی متوالی بر اساس پیکسل‌های همسایه در باندهای ورودی اصلاح می‌کند. بعبارت دیگر، این الگوریتم، به عنوان یک فیلتر پایین‌گذر متغیر در فضا و زمان عمل میکند. الگوریتم مذکور تصویر چندطیفی ورودی را به پنج سطح مقیاس/وضوح انتقال می‌دهد. این الگوریتم می‌تواند همزمان اطلاعات طیفی تصویر و جزئیات بافت حاصل از تبدیل موجک را در یک نمایش چند مقیاسه پردازش کند. در این پژوهش، از تصاویر سطح ۲ لندست ۸ و سنتینل ۲ از منطقه میاندوآب در شهرستان آذربایجان غربی بهره گرفته شد. بعد از استخراج تصاویر سطوح مختلف از طریق  الگوریتم ADNN،  طبقه‌بندی تصاویر حاصله در چهار کلاس خاک، آب، گیاه و منطقه مسکونی با استفاده الگوریتم ماشین بردار پشتیبان (SVM) انجام شد. همچنین، برای ارزیابی عملکرد تصاویر حاصل از الگوریتم ADNN بر روی تصویر اصلی، طبقه‌بندی به روش شبکه عصبی مصنوعی (NNC) نیز انجام گردید. در نهایت، با انتخاب بهترین سطح شبکه طبقه‌بندی بدون نظارت با استفاده از FCM (خوشه‌بندی فازی) بر روی تصویر منتخب  اعمال گردیدنتایج این تحقیق حاکی ازآن است که بالاترین کاپای طبقه‌بندی در تصویر لندست ۸ مربوط به تصویر سطح ۲ الگوریتمADFN با صحت ۸۶٪ است که نسبت به طبقه‌بندی تصویر سطح دوم با شبکه عصبی مصنوعی با کاپای ۰.۸۳ دقت بالاتری را از خود نشان داده است. همچنین، این الگوریتم در تصویر سنجنده سنتینل ۲ نیز با کاپای ۰.۸۳ در سطح ۲ عملکرد مشابهی را نشان داد. لازم به ذکر است که در مقالات داخلی و خارجی، استفاده از این الگوریتم در طبقه‌بندی تصاویر سنجش از دور به‌طور قابل‌توجهی صورت نگرفته است.
شماره‌ی مقاله: 6
واژه‌های کلیدی: طبقه بندی بدون نظارت، شبکه عصبی انتشار ناهمسانگرد، طبقه بندی چند سطحی، تصاویر چند طیفی، سنجش از دور
متن کامل [PDF 2395 kb]   (8 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: فتوگرامتری و سنجش از دور
دریافت: 1401/6/5 | پذیرش: 1404/12/25
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Zeaieanfirouzabadi P, Tavakkoli Sabour M, Torkamani Asl B. Improving the accuracy of classification of multispectral Images using an anisotropic diffusion neural network algorithm. JGST 2026; 15 (3) : 6
URL: http://jgst.issgeac.ir/article-1-1108-fa.html

ضیاییان فیروز آبادی پرویز، توکلی صبور محمد، ترکمانی اصل بهناز. بهره گیری از الگوریتم شبکه عصبی انتشار ناهمسانگرد جهت بهبود صحت طبقه بندی تصاویر چند طیفی. علوم و فنون نقشه برداری. 1404; 15 (3) :91-104

URL: http://jgst.issgeac.ir/article-1-1108-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 15، شماره 3 - ( 12-1404 ) برگشت به فهرست نسخه ها
نشریه علمی علوم و فنون نقشه برداری Journal of Geomatics Science and Technology