مقایسه ی روش های شبکه عصبی مصنوعی، ماشین بردار پشتیبان و درخت تصمیم گیری در شناسایی ابر در تصاویر ماهواره ای لندست 8

مقاله ی پیش رو به مقایسه ی سه روش ماشین بردار پشتیان،شبکه ی عصبی مصنوعی و درخت تصمیم گیری با هدف شناسایی ابر می‍پردازد. وجود ابر در تصاویر ماهواره ای اپتیکی، پیش پردازش های رادیومتریکی در کاربرد های سنجش از دور را ایجاب می کند. معمولا شناسایی ابر در تصاویر ماهواره ای با استفاده از روش های طبقه بندی نظارت شده امکان پذیر می باشد. در این مقاله تصاویر ماهواره ای لندست 8 از دو منطقه ی واقع در رشته کوه های البرز، با استفاده از سه روش شبکه ی عصبی مصنوعی، ماشین بردار پشتیبان (SVM) و درخت تصمیم گیری طبقه بندی شده و کارایی این سه روش از لحاظ دقت کلی، دقت تولید کننده ی ابر و برف و میزان ضریب کاپا مقایسه گردیده است. در منطقه ی اول، دو روش شبکه ی عصبی و SVM، دقت کلی و دقت تولید کننده ی ابر بالاتری نسبت به روش درخت تصمیم نشان داده و در منطقه ی دوم روش درخت تصمیم قابلیت بیشتری در شناسایی ابر داشته است. این موضوع نشان دهنده ی آن است که در منطقه ی اول، حد آستانه های به کار رفته در درخت تصمیم، به خوبی ابر را مورد شناسایی قرار نمی دهند. در حالی که در منطقه ی دوم شاخص های ذکر شده در این روش، از میزان بالاتری برخوردار اند. نتایج این تحقیق نشان می دهد که روش درخت تصمیم می تواند به دقتی قابل مقایسه و یا بالاتر از روش های داده کاوی (مثل شبکه ی عصبی وSVM ) دست پیدا کند و با این وجود حد آستانه های به کار رفته در این روش ممکن است برای همه ی مناطق مناسب نباشند. در مقابل، روش های داده کاوی به خصوص روش SVM قابلیت خوبی برای شناسایی انواع ابر در حالت طبقه بندی دو کلاسه از خود نشان دادند؛ اما افزایش تعداد کلاس ها می تواند دقت شناسایی ابر را در این روش ها کاهش دهد.