[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: دوره 10، شماره 4 - ( 3-1400 ) ::
دوره 10 شماره 4 صفحات 161-143 برگشت به فهرست نسخه ها
شناسایی اتوماتیک تغییرات کاربری/پوشش اراضی از تصاویر سنجش از دور چندزمانه و نقشه‌های قدیمی با پالایش نمونه‌های آموزشی مبتنی بر آزمون خی-دو و خوشه‌بندی k-means
وحید صادقی، حمید عبادی، آرمین مقیمی*، علیرضا نوزادی
چکیده:   (631 مشاهده)
انتخاب نمونههای آموزشی، مرحله‌ای بسیار مهم و تأثیرگذار در نتایج طبقه‌بندی و شناسایی تغییرات از تصاویر سنجش از دور بوده و لازم است با حساسیت بالایی انجام گیرد. این نمونه­ها اغلب توسط عامل انسانی تعیین میشوند که فرآیندی زمان‍بر بوده و مستعد خطای بالایی است. نقشههای قدیمی می­توانند منبع اطلاعاتی ارزشمندی برای انتخاب و تهیه نمونههای آموزشی باشند. در صورتی که این نمونه‌هابطور صحیح پالایش شوند، میتوانند سبب تسریع، تسهیل و همچنین افزایش صحت فرآیند شناسایی تغییرات شوند. نوآوری اصلی مقاله حاضر، اهتمام در فرآیند پالایش نمونه‌ها است که با پیشنهاد مدلی مبتنی بر آزمون آماری خی‌دو و خوشه‌بندی k-means میسر شده است. این روش ضمن اینکه با بکارگیری آزمون آماری خی-دو، سعی در انتخاب نمونه‌های آموزشی خالص دارد، با خوشه‌بندی چندگانه نمونه‌های آموزشی با تکنیک k-means و انتخاب نمونه‌های نزدیک به مراکز خوشه‌های داخلی هر کلاس، ‌تنوع طیفی داخلی کلاسها را نیز لحاظ می‌نماید. در روش پیشنهادی؛ جهت بهبود صحت طبقه‌بندی و تشخیص تغییرات‌، ویژگی‌های طیفی و بافتی مرتبه اول و دوم ماتریس رخداد همزمان، استخراج و در فرآیند طبقه‌بندی به روش ماشین بردار پشتیبان(SVM)  مورد استفاده قرار می‌گیرد. لازم به ذکر است به منظور ارتقای صحت طبقه‌بندی و شناسایی تغییرات، فرآیند انتخاب مجموعه ویژگی‌های بهینه و پارامترهای طبقه‌بندی‌کننده SVM با الگوریتم ژنتیک بهینه شده‌اند. جهت پیاده‌سازی و ارزیابی روش پیشنهادی، از تصاویر دوزمانه در بازه زمانی 2011 و 2015 و نقشه کاربری اراضی سال 2009 مربوط به شهر شیراز استفاده شد. با بکارگیری روش ارائه شده در این تحقیق، نقشه‌­های موضوعی منطقه مورد مطالعه با صحت کلی 72/98% و 57/94% بهنگام گردیده و با مقایسه آنها، نقشه ماهیت تغییرات حاصل گردید. ارزیابی نتایج نشان داد؛ فرآیند پالایش نمونه‌های آموزشی سبب بهبود نتایج طبقه‌بندی تصویر سال 2011 (افزایش ضریب کاپا از 65% به 87% و افزایش صحت کلی از 73% به 91%) و همچنین تصویر سال 2015 (افزایش صحت کلی از 69% به 32/86% و افزایش ضریب کاپا از 59% به  48/80%) شده است.
واژه‌های کلیدی: شناسایی تغییرات، بهنگام‌رسانی، پالایش نمونه‌های آموزشی، آزمون آماری خی-دو، خوشه بندی k‌-means
متن کامل [PDF 2544 kb]   (201 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: فتوگرامتری و سنجش از دور
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:

Sadeghi V, Ebadi H, Sadeghi V, Moghimi A. Automatic Land Use/Land Cover Change Detection from Multitemporal Remote Sensed Images and Old Maps by Refining of Training Data Based on Chi-Square Test and K-Means Clustering. JGST. 2021; 10 (4) :143-161
URL: http://jgst.issge.ir/article-1-935-fa.html

صادقی وحید، عبادی حمید، مقیمی آرمین، نوزادی علیرضا. شناسایی اتوماتیک تغییرات کاربری/پوشش اراضی از تصاویر سنجش از دور چندزمانه و نقشه‌های قدیمی با پالایش نمونه‌های آموزشی مبتنی بر آزمون خی-دو و خوشه‌بندی k-means. نشریه علمی پژوهشی علوم و فنون نقشه برداری. 1400; 10 (4) :161-143

URL: http://jgst.issge.ir/article-1-935-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 10، شماره 4 - ( 3-1400 ) برگشت به فهرست نسخه ها
نشریه علمی علوم و فنون نقشه برداری Journal of Geomatics Science and Technology