بسته جامع پژوهشی طبقه بندی شی گرا اطلاعات طیفی و مکانی در تصاویر سنجش از دور چندطیفی

این بسته پژوهشی مجموعه کاملی از آخرین پژوهش های انجام شده در زمینه طبقه بندی شی گرا اطلاعات طیفی و مکانی در تصاویر سنجش از دور چندطیفی است. در تدوین این بسته از جدیدترین مقالات و پایان نامه های موجود در این زمینه استفاده شده است. مخاطبان این بسته دانشجویان تحصیلات تکمیلی و پژوهش گرانی هستند که قصد فعالیت در این زمینه دارند.

  • در فصل اول این پژوهش ارزیابی روش شبکه عصبی و طبقه بندی شی گرا در استخراج بررسی شده است
  • در فصل دوم این پژوهش طبقه بندی شی گرا اطلاعات طیفی و مکانی در تصاویر سنجش از دور چندطیفی بررسی شده است
  • در فصل سوم این پژوهش ارزیابی تکنیک های آشکار سازی تغییرات شئی گرا بررسی شده است

در چند سال اخیر، با مطرح شدن سیستمهای سنجش از دور ابرطیفی ،1امکان ثبت تصاویر در باندهای طیفی زیاد فراهم شده است. این سنجنده ها قادرند پهنای باند مورد نظر را به صدها باند باریک مجاور هم تقسیم کنند.
با توجه به اطلاعات طیفی قابل توجه در این تصاویر، میتوان علاوه بر شناسایی کلاسها و تفکیک آنها، این عملیات را با دقت بیشتری انجام داد. یکی از تحلیلهای مهمی که بر روی دادههای ابرطیفی انجام میشود، طبقه بندی این تصاویر است. عامل مهمی که فرآیند طبقهبندی را تحت تاثیر قرار میدهد، زیاد بودن باندها و حجم اطلاعات می-باشد که باعث افزایش زمان و پیچیدگی محاسباتی می شود. برای برطرف کردن این مشکل راهکارهای بسیاری پیشنهاد شده است که یکی از این روشها، تکنیکهای پیش پردازشی مبتنی بر استخراج/ انتخاب ویژگی( 3باند)، به منظور تبدیل فضای ویژگی اولیه به فضای با ابعاد کمتر میباشد

قسمت هایی از فصل اول  ارزیابی روش شبکه عصبی و طبقه بندی شی گرا در استخراج

ر الگوریتمهای کاهش باند، تعدادی از باندها که از نظر اطلاعاتی مناسب میباشند، انتخاب شده و از بقیه باندها در فرآیند طبقهبندی صرفنظر میشود. بائوفنگ گو و همکاران در مرجع 6 یک روش باند انتخاب براساس تخمین اطلاعات متقابل (MI) پیشنهاد کردند. MI از طریق وابستگیهای آماری بین دو متغیر تصادفی بهدست میآید و می- تواند رابطه هر باند با باندهای همسایه از طریقرا بندی طبقه ارزیابی می ،کند. ابتدا با استفاده از دانش- های قبلی MI را از روی نقشه مرجع محاسبه میکند و سپس باندها هم براساس ارزش متقابل با MI و هم براساس ارتباط با همسایگی خود انتخاب می شوند. گیان دو و همکاران، روشی غیرنظارتی برای انتخاب باند در تصویربرداری ابرطیفی براساس اندازهگیری شباهت باندها پیشنهاد کردند که این روش قبلاً برای الگوریتم استخراج مواد پایه استفاده شده است

فهرست کامل فصل اول ارزیابی روش شبکه عصبی و طبقه بندی شی گرا در استخراج

1-1 ) استخراج اتوماتیک ساختمان از DSMو ارتوموزائیک رزولوشن بالايUAV بااستفاده از آنالیز شی گرا

1.1.1 چکیده 1
2.1.1 مقدمه 2
3.1.1 آنالیز شی گرا 3
4.1.1 استخراج شی گرا ساختمان 4
5.1.1 نتایج 4
6.1.1 نتیجه گیری 9
7.1.1 منابع 9

1-2 ) ارزیابی و برآورد زمانی -مکانی تغییرات پوشش/کاربری اراضی اطراف معدن مس سونگون با استفاده از داده های چندزمانه سنجش از دور

1.2.1 چکیده 11
2.2.1 مقدمه 12
3.2.1 مواد و روش 13
4.2.1 نتایج و بحث 15
5.2.1 منابع 15

1-3 ) انتخاب باند در تصاویر ابرطیفی با استفاده از الگوریتم جستجوی گرانشی

1.3.1 چکیده 17
2.3.1 مقدمه 17
3.3.1 الگوریتم جستجوی گرانشی 18
4.3.1 روش پیشنهادی 19
5.3.1 نتایج و آزمایشات 20
6.3.1 نتیجه گیری 22
7.3.1 منابع 22

1-4 ) ارزیابی روش شبکه عصبی (MLP) و طبقه بندی شی گرا در استخراج کاربری اراضی (مطالعه موردی: شهرستان مرند(

1.4.1 چکیده 24
2.4.1 مقدمه 25
3.4.1 مواد و روش 25
4.4.1 ارزیابی صحت طبقه بندی 27
5.4.1 نتیجه گیری 28
6.4.1 منابع 28

1-5 ) آشکارسازی گرایش مکانی تغییرات پوشش جنگلی بااستفاده از سنجش از راه دور(مطالعه موردی شهرستان ملکشاهی)

1.5.1 چکیده 30
2.5.1 مقدمه 30
3.5.1 مواد و روش ها 32
4.5.1 نتایج 34
5.5.1 نتیجه گیری 35
6.5.1 منابع 36

1-6 ) تفکیک محصولات کشاورزی برپایه طبقه بندی شی گرا تصاویر ماهواره ای

1.6.1 چکیده 38
2.6.1 مقدمه 39
3.6.1 روش ها 40
4.6.1 داده های مورد استفاده 43
5.6.1 پیاده سازی وارزیابی نتایج 45
6.6.1 نتیجه گیری 48
7.6.1 منابع 49

1-7 ) بررسی تغییرات کاربری ارضی بااستفاده از داده های ماهواره ای وروش طبقه بندی شبکه عصبی (NEURAL NETWORK)(مطالعه موردی حوزه ابخیز یاسوج)

1.7.1 چکیده 50
2.7.1 مقدمه 51
3.7.1 مواد و روشها 51
4.7.1 روش تحقیق 52
5.7.1 نتایج 56
6.7.1 نتیجه گیری 58
7.7.1 منابع 58

1-7 ) بررسی تغییرات کاربری ارضی بااستفاده از داده های ماهواره ای وروش طبقه بندی شبکه عصبی (NEURAL NETWORK)(مطالعه موردی حوزه ابخیز یاسوج)

1.7.1 چکیده 50
2.7.1 مقدمه 51
3.7.1 مواد و روشها 51
4.7.1 روش تحقیق 52
5.7.1 نتایج 56
6.7.1 نتیجه گیری 58
7.7.1 منابع 58

i

ارجاع دهی و رفرنس نویسی

تمام مطالب این بسته مطابق با استاندارد های دانشگاههای وزارت علوم ایران رفرنس دهی شده اند و هیچ قسمتی از بسته وجود ندارد که بدون منبع باشد.

نگارش گروهی

در نگارش و جمع آوری این بسته آموزشی کارشناسان مربوطه ما را همراهی کرده اند.کار گروهی بستر بهتری برای پژوهش فراهم میکند.

<

معرفی منبع برای ادامه پژوهش

در این بسته بیش از 1000 مقاله و منبع در این زمینه معرفی شده است که می توان از آنها برای ادامه مسیر پژوهشی استفاده کرد.

Z

پاسخ به سوالات و پشتیبانی علمی

در قسمت دیدگاه ها  اماده پاسخگویی به سوالات احتمالی شما در حد توان علمی خود هستیم.در صورت نیاز شماره تماس برای ارتباط با محققین برای شما ارسال می گردد.

بخش هایی از فصل دوم طبقه بندی شی گرا اطلاعات طیفی و مکانی در تصاویر سنجش از دور چندطیفی

جهت افزايش دقت طبقهبندي در تصاوير سنجش از دور، دو نوع از الگوريتمها توسعه يافتهاند. نوع اول از الگوريتمها، سـعيدر بالابردن دقت طبقهبندي، با افزايش پيچيدگي طبقهبنديكننده ميكنند، در حاليكـه در نـوع دوم، سـعي مـيكننـد دقـتطبقهبندي را با ناحيهبندي تصوير و سپس استفاده از طبقهبنديكنندههاي ساده افزايش دهند.
يكي از ملزومات توسعه هر فناوري از جمله فناوري چندطيفي، اقتصاديبودن آن ميباشد. به بيان ديگـر اطلاعـات مطلـوببايد با حداقل هزينه در اختيار مصرفكنندگان قرار گيرد، اما اين امر با تعيين دقيق وضعيت در تضاد است. به عنـوان مثـال، براي تعيين مناطق سالم و دچار آفت ِ نوع خاصي از غله در يك مزرعه كشاورزي به مسـاحت چنـدين هـزار هكتـار، دقـت
مكاني بالا لازم است. تحقق چنين امري نيازمند هزينـه زيـادي اسـت كـه مصـرفكننـده بايـد آن را بپـردازد. بنـابرايـن،روشهاي اقتصاديتر ديگري كه نياز به دقت مكاني بالا نداشته باشد، موردنياز بوده و در اين راستا از اطلاعـات مكـاني (از قبيل شكل، ارتباط با مناطق همسايه يا مجاور و بافت) موجود در شيء كه منبع مهمي بـراي طبقـه بنـدي تصـوير بـهشـمار ميآيد، براي مقايسه و طبقهبندي استفاده ميشود. حتي اگر مصرف كننده از تصـاوير بـا دقـت مكـاني بـالا اسـتفاده كنـد،معمولاً با افت دقت طبقهبندي مواجه ميشود. چراكه دقت طبقهبندي وابسته به قدرت شناخت شكل و رنگ و بافت در كنار ويژگيهاي طيفي ديگر توسط ماشين است. در واقع، نبود ويژگيهاي مكاني منجر بـه خطاهـاي متعـددي مـيشـود . عـدماستفاده از ويژگيهاي مكاني در كنار ويژگيهاي طيفي در روشهاي شناخت الگو، منجر بـه عـدم شـناخت مـوثر، در انـواعگوناگون پوشش زمين با خواص طيفي مشابه يا طبقهبندي پوششهاي مشابه با پاسخهاي طيفي متفاوت و در نتيجه با افت دقت طبقهبندي ميشود

فهرست کامل فصل دوم طبقه بندی شی گرا اطلاعات طیفی و مکانی در تصاویر سنجش از دور چندطیفی

2-1) طبقه بندي شيگرا اطلاعات طيفي و مكاني در تصاوير سنجش از دور چندطيفي

چکیده 73
مقدمه 74
1.1.2 فصل اول کلیات 76
1.1.1.2 هدف 77
2.1.1.2 پیشینه تحقیق 78
3.1.1.2 روش کار و تحقیق 82
2.1.2 فصل دوم مروری برتصاویر چند طیفی وطبقه بندی آن ها 84
1.2.1.2 مقدمه 85
2.2.1.2 سنجش از دور و مزایای آن 85
3.2.1.2 چند تعریف مهم 86
4.2.1.2 چگونگي جمع آوري تصاوير در پردازش از دور 86
5.2.1.2 دقت طيفي – مكاني – راديومتري 88
6.2.1.2 طبقه بندي سنجنده هاي چندطيفي 90
7.2.1.2 طبقه بندي تصاوير 92

3.1.2 فصل سوم بیان تصاویر به وسیله شی بجای پیکسل 96
1.3.1.2 مقدمه 97
2.3.1.2 مروری بر تکنیک های رایج ناحیه بندی 97
3.3.1.2 شيء جايگزين مناسبتر جهت تحليل بجاي پيكسل 103
4.3.1.2 هستان شناسی شی 105

4.1.2 فصل چهارم طبقه بندی شی گرا 108
1.4.1.2 مقدمه 109
2.4.1.2 طبقه بندی شی گرا 110
3.4.1.2 تصویر مورد استفاده 115
4.4.1.2 نمایش تصویر چند طیفی 118
5.4.1.2 مروري بر چند روش ناحيه بندي طيفي-مكاني 125

5.1.2 فصل پنجم روش های پیشنهادی 141
1.5.1.2 روش پيشنهادي ادغام بر مبناي ويژگي هاي آماري بعلاوهي پيش پردازش مكاني 142
2.5.1.2 روش پيشنهادي به صورت چند مقياسي 145
3.5.1.2 ناحيه بندي بر اساس گراف 146
4.5.1.2 مقايسه الگوريتم هاي مختلف 149

6.1.2 فصل ششم نتیجه گیری و پیشنهاد 165
1.6.1.2 نتیجه گیری 166
2.6.1.2 پیشنهاد 168
3.6.1.2 منابع 169

تعداد صفحه بسته آموزشی

تعداد منابع معرفی شده برای ادامه کار

تعداد پشتیبانان مخصوص این فایل

قسمت هایی از فصل سوم ارزیابی تکنیک های آشکار سازی تغییرات شئی گرا

يك شيء، پيكسلهاي يك ناحيه است كه ويژگيهاي طيفي و مكاني آنها همگون است. طبقهبندي شيءگرا عبارت اسـت از استخراج ويژگيهاي تصوير بوسيله مدلسازي همبستگيهاي مكاني جهت بدستآوردن اشياء (ناحيـه بنـدي ) و تخصـيصكل پيكسلهاي درون شيء به يك كلاس بـا اسـتفاده تـوام از اطلاعـات محتـوايي بدسـت آمـده (ماننـد : شـكل، انـدازه) و مدلسازي همبستگي هاي طيفي (اطلاعات پيكسلها) جهت طبقه بندي. طبقه بندي شيءگـرا داراي مزايـايي چـون افـزايشدقت طبقه بندي توسط طبقهبنديكننده هاي ساده بـه علـت داشـتن اطلاعـات مفيـدتر نسـبت بـه طبقـهبنـدي كننـده هـاي پيكسل گرا وكاهش حجم اطلاعات ارسالي، افزايش سرعت در طبقهبندي، كـاهش ميـزان حافظـه مـورد نيـاز بـا دسترسـيتصادفي به علت فشردهسازي تصوير ميباشد

فهرست کامل فصل سوم ارزیابی تکنیک های آشکار سازی تغییرات شئی گرا

3-1 ) ارزیابی تکینیک های آشکارسازی تغییرات شی گرا درتصاویر چند زمانه با قدرت تفکیک مکانی بالا

1.1.3 چکیده 180
2.1.3 مقدمه 181
3.1.3 مروری برتحقیقات انجام شده 182
4.1.3 مبانی نظری تحقیق 184
5.1.3 مواد و روش تحقیق 187
6.1.3 نتیجه گیری 195
7.1.3 منابع 195

%

میزان رضایت

میزان رضایت افراد خریدار این بسته بعد از خرید

(نظر سنجی به وسیله ایمیل و یک هفته بعد ازخرید بسته انجام می گیرد)

تمام منابع معرفی شده هم به صورت فایل Word و هم به صوت فایل PDF در اختیار شما قرار می گیرد.

تومان40,000افزودن به سبد خرید