نرمالیزاسیون رادیومتریک نسبی، اغلب در آنالیزهای تصاویر ماهوارهای چندزمانه، خصوصاً در آشکارسازی تغییرات کاربری اراضی مورد استفاده قرار میگیرد. در این تحقیق ضمن بررسی تبدیل IR-MAD، تکنیک جدیدی مبتنی بر تبدیل IR-MAD و شبکههای عصبی مصنوعی توسعه داده شده است. تکنیک پیشنهادی بر روی تصاویر ماهوارهای چندزمانه لندست تیام متعلق به سالهای 1989و2010 شهر تبریز، پیادهسازی شده است. استفاده از ترکیب خطی تصاویر ماهوارهای چندزمانه، انتقال این تصاویر به فضای دیگر و تکراری بودن فرآیند تبدیل IR-MAD باعث شده که این تبدیل به عنوان روشی مستقل از نویز آماری و شرایط اتمسفری در جهت شناسایی تغییرات و انتخاب نقاط کنترل رادیومتریکی در این تحقیق بکار رود. همچنین قابلیت و انعطاف بالای شبکه عصبی مصنوعی در تقریب توابع غیرخطی و خطی پیوسته در فضای ترکیبی باعث شد که از این شبکهها در مدلسازی رابطه بین نقاط کنترل رادیومتریکی در تصاویر ماهوارهای چندزمانه استفاده گردد. معیارهای ارزیابی بکار رفته در این تحقیق، شامل میانگین خطای کمترین مربعات و آزمونهای آماری t و F میباشد. نتایج نشان میدهد که استفاده از روش پیشنهادی موجب افزایش دقت و عملکرد نرمالیزاسیون رادیومتریک نسبی شده است. روش توسعه داده شده در این تحقیق از نظر میانگین خطای کمترین مربعات در تمامی باندهای طیفی نسبت به روش IR-MAD و دادههای خام بترتیب 11/0 و 13/8 درصد افزایش دقت داشته است.
A. Moghimi, H. badi, V. Sadeghi. Automatic Radiometric Normalization of Multi-Temporal Satellite Image based on IR-MAD Transformation and Artificial Neural. JGST 2015; 4 (4) :209-222 URL: http://jgst.issgeac.ir/article-1-156-fa.html
مقیمی آرمین، عبادی حمید، صادقی وحید. نرمالیزاسیون رادیومتریک اتوماتیک تصاویر ماهواره ای چندزمانه مبتنی برتبدیل IR-MAD و شبکه های عصبی مصنوعی. علوم و فنون نقشه برداری. 1394; 4 (4) :209-222