برای اطلاع از آخرین مقالات علمی و اخبار کرونا(COVID-19) کلیک کنید

مشخصات مقاله

عنوان نشریه: 
 
اطلاعات شماره: 
پاييز 1396 , دوره  5 , شماره  3 ; از صفحه 77 تا صفحه 97 .
 
عنوان مقاله: 

بررسي جامع بر روي روش هاي طبقه بندي غيرپارامتريک به منظور تفکيک عوارض شهري با استفاده از تلفيق داده هاي لايدار و تصوير هوايي با توان تفکيک مکاني بسيار بالا

 
نویسندگان: 
 
آدرس:  
* گروه فتوگرامتری، دانشکده مهندسی نقشه برداری و اطلاعات مکانی، پردیس دانشکده‌های فنی، دانشگاه تهران
 
چکیده: 

امروزه به دست آوردن اطلاعات پوشش اراضي شهري، يکي از مهم ترين ابزارهاي مديريت شهري است و کاربرد زيادي در بررسي تغييرات زمين دارد. طبقه بندي تصاوير، يکي از متداول ترين روش هاي استخراج اطلاعات از داده هاي سنجش از دور است. وجود نواحي شهري پيچيده و متراکم يکي از مشکلات آناليزهاي سنجش از دور مي باشد. دقت عملکرد طبقه بندي در اين مناطق براي محققان مورد توجه بوده و همواره سعي در بهبود اين دقت داشته اند. با استفاده از تکنيک تلفيق داده هاي مختلف و به کارگيري اطلاعات متنوع از عوارض مي توان به طبقه بندي دقيق تر با قابليت اعتماد بالاتر دست يافت. از جمله روش هاي موفقيت آميز طبقه بندي در سال هاي اخير، مي توان به الگوريتم هاي ماشين بردار پشتيبان و الگوريتم هاي يادگيري دسته جمعي مانند بگينگ، بوستينگ و جنگل تصادفي اشاره کرد. در اين مقاله در مورد عملکرد اين چهار الگوريتم براي شناسايي عوارض شهري با استفاده از نقاط متراکم لايدار و تصوير هوايي با قدرت تفکيک بسيار بالا بحث شده است. در اين تحقيق از سه شيوه بر اساس طبقه بندي داده لايدار و تصوير هوايي به تنهايي و تلفيق هر دو داده استفاده شده است. نتايج نشان مي دهد که ترکيب داده لايدار و تصوير هوايي، طبقه بندي بهتري را از عوارض شهري به دست مي دهد. در نهايت طبقه بندي عوارض شهري با کمک تلفيق داده هاي لايدار و تصوير هوايي و با استفاده از الگوريتم ماشين هاي بردار پشتيبان با دقت %93.99، توانايي بالاتري نسبت به ساير روش هاي طبقه بندي مورد استفاده مانند بگينگ، بوستينگ و جنگل تصادفي دارد.

 
کلید واژه: 

 
موضوعات مرتبط: 
-
 
ارجاعات: 
  • ندارد
 
 
مقالات نشریه ای مرتبط: 
 
مقالات همایشی مرتبط: 
 

  چکیده انگلیسی بازدید یکساله 107
 
 
آخرین های بلاگ
ورود به بلاگ مرکز اطلاعات علمی