[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::
برای داوران::
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: 2791616

مقالات منتشر شده: 661
نرخ پذیرش: 73.6
نرخ رد: 17.63

میانگین دریافت تا تصمیم‌گیری اولیه: 5 تا 10 روز
میانگین دریافت تا پذیرش: 191 روز
____
..
:: دوره 5، شماره 2 - ( 8-1394 ) ::
دوره 5 شماره 2 صفحات 16-1 برگشت به فهرست نسخه ها
ارائه یک روش جدید برای طبقه بندی تصاویر پلاریمتری رادار با روزنه مجازی براساس تلفیق ماشین بردار پشتیبان و میدان های تصادفی مارکوف
علی مسجدی* ، یاسر مقصودی ، محمدجواد ولدان زوج
چکیده:   (8109 مشاهده)

در این مقاله یک روش نوین طبقه­بندی متنی به منظور طبقه­بندی تصاویر پلاریمتری رادار با روزنه مجازی ارائه شده است. روش پیشنهادی با تلفیق ماشین بردار پشتیبان (SVM) و طبقه­بندی­کننده ویشارت عمل می­کند. بدین ترتیب این روش از مزایای هر دو نوع روش­های پارامتریک و غیر پارامتریک بهره می­برد. در این روش، ابتدا تابع انرژی اولیه میدان­های تصادفی مارکوف (MRF) در یک همسایگی از هر پیکسل محاسبه می­گردد. سپس با استفاده از ماتریس کوواریانس داده­های پلاریمتری برای هر پیکسل و در نظر گرفتن توزیع ویشارت برای آن، تابع انرژی تفاضلی MRF محاسبه گردیده و در طبقه­بندی­کننده SVM وارد می­شود. بنابراین روش پیشنهادی علاوه بر اطلاعات پراکنش مختلف، از اطلاعات همسایگی نیز بهره می­برد و این باعث کاهش نویز نمک فلفلی در نتیجه طبقه­بندی می­گردد. به منظور انتخاب ویژگی­های مناسب و تعیین پارامترهای بهینه برای طبقه­بندی­کننده SVM، از الگوریتم ژنتیک استفاده شده است. در این مقاله از دو تصویر پلاریمتری رادارست 2 مربوط به فصل زمستان و تابستان از یک منطقه جنگلی دارای گونه­های مختلف استفاده شده است. به منظور بررسی عملکرد روش پیشنهادی، نتایج بدست آمده از این روش با نتایج تعدادی از روش­های پایه در طبقه­بندی تصاویر پلاریمتری مقایسه شد. در نهایت طبقه­بندی به این روش نسبت به روش­های ویشارت، ویشارت-مارکوف و SVM، به ترتیب 16، 11 و 7 درصد افزایش دقت را نشان می­دهد.

واژه‌های کلیدی: تصاویر پلاریمتری رادار با روزنه مجازی، ماشین بردار پشتیبان، توزیع ویشارت، میدان های تصادفی مارکوف، طبقه بندی تصاویر سنجش از دور
متن کامل [PDF 1218 kb]   (3501 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: فتوگرامتری و سنجش از دور
دریافت: 1393/9/30
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:

A. Masjedi, Y. Maghsoudi, M. J. Valadanzoej. A New Method for Contextual Classification of Polarimetric SAR Data Based on Combining SVM and MRF. JGST 2015; 5 (2) :1-16
URL: http://jgst.issgeac.ir/article-1-218-fa.html

مسجدی علی، مقصودی یاسر، ولدان زوج محمدجواد. ارائه یک روش جدید برای طبقه بندی تصاویر پلاریمتری رادار با روزنه مجازی براساس تلفیق ماشین بردار پشتیبان و میدان های تصادفی مارکوف. علوم و فنون نقشه برداری. 1394; 5 (2) :1-16

URL: http://jgst.issgeac.ir/article-1-218-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 5، شماره 2 - ( 8-1394 ) برگشت به فهرست نسخه ها
نشریه علمی علوم و فنون نقشه برداری Journal of Geomatics Science and Technology