طبقه بندی اطلاعات سنجنده های مرئی-حرارتی هوایی مبتنی بر مدل های یادگیری ژرف

پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
با رشد و توسعه سیستم های تصویربرداری هوابرد و یا فضابرد در حوزه سنجش از دور، ادغام اطلاعات سنجنده های چندگانه به منظور دستیابی به دانش تکمیلی نسبت به عوارض و به پیرو آن طبقه بندی دقیق داده های سنجش از دور مورد توجه بسیاری از محققین این حوزه و مهندسی علوم زمین قرار گرفته است. از سوی دیگر، مدل های یادگیری ژرف با افزایش سطح اتوماسیون و همچنین بهبود دقت طبقه بندی تصاویر با بهره گیری از روش های استخراج ویژگی ژرف، تبدیل به یکی از موضوعات پرمخاطب در حوزه پردازش تصاویر شده است. در این تحقیق، روشی نوین به منظور طبقه بندی دقیق اطلاعات سنجنده های چندگانه مبتنی بر مدل های یادگیری ژرف ارائه شده است. در این زمینه، ویژگی های ژرف با در نظرگیری بعد طیفی-مکانی داده های ورودی استخراج، و سپس یک طبقه بندی کننده فازی جهت آموزش این ویژگی ها و همچنین بهینه سازی مدل یادگیری ژرف استفاده می گردد. پس از طبقه بندی داده های ورودی به صورت جداگانه، با بکارگیری برخی قوانین در سطح تصمیمات اتخاذ شده، اطلاعات به دست آمده با یکدیگر ادغام شده و در نهایت، پس پردازشی مبتنی بر وابستگی های متقابل بین عوارض در قالب اطلاعات زمینه خارجی به منظور افزایش دقت نتایج طبقه بندی مورد استفاده قرار می گیرد. به منظور ارزیابی توان اجرایی روش پیشنهادی در این تحقیق، مجموعه ای از آزمون های مقایسه ای بر داده های منتشر شده توسط کمیته فنی تلفیق داده ها و آنالیز تصاویر جامعه بین المللی سنجش از دور و مهندسی علوم زمین در سال 2014 میلادی، صورت گرفته است. در مقایسه روش های طبقه بندی مبتنی بر مدل های یادگیری ژرف با طبقه بندی کننده های مرسوم، دقت کلی طبقه بندی اطلاعات سنجنده ی مرئی %3. 91، فراحرارتی %6. 65 و چندگانه %2. 81 بهبود یافته است. به علاوه، در نظرگیری وابستگی های متقابل بین عوارض در قالب اطلاعات زمینه خارجی و یا قوانین پس پردازشی به منظور کاهش و یا حذف خطاهای مرسوم روش های طبقه بندی پیکسل مبنا، موجب بهبود دقت کلی %2. 71 می گردد. همچنین، در مقایسه روش پیشنهادی طبقه بندی اطلاعات سنجنده های چندگانه با طبقه بندی کننده های اطلاعات سنجنده ی مرئی و یا فراحرارتی، دقت کلی طبقه بندی %7. 57 و %22. 22 بهبود یافته است.
زبان:
فارسی
صفحات:
221 تا 237
لینک کوتاه:
magiran.com/p1890808 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 990,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
دسترسی سراسری کاربران دانشگاه پیام نور!
اعضای هیئت علمی و دانشجویان دانشگاه پیام نور در سراسر کشور، در صورت ثبت نام با ایمیل دانشگاهی، تا پایان فروردین ماه 1403 به مقالات سایت دسترسی خواهند داشت!
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 50 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!