این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
اطلاعات جغرافیایی (سپهر)، جلد ۲۴، شماره ۹۶، صفحات ۱۳۵-۱۵۲
عنوان فارسی بهبود شناسایی تغییرات در مناطق شهری با انتخاب ویژگی های طیفی و مکانی بهینه مبتنی بر الگوریتم ژنتیک
چکیده فارسی مقاله آنالیز تصاویر چندزمانه سنجش‌از دور، تکنیک کارآمدی برای شناسایی تغییرات کاربری و پوشش اراضی در مناطق شهری می‌باشد. جدا از تکنیک بکار رفته برای شناسایی تغییرات،فضای ویژگی تأثیر بسیار زیادی در صحت نتایج دارد. حصول نتایج رضایت‌بخش در شناسایی تغییرات مناطق شهری، مستلزم بکارگیری ویژگی‏ های طیفی و مکانی (بافت) بهینه می‏ باشد. اگرچه جستجوی سراسری تنها تضمین دست‌یابی به مجموعه ویژگی‌های بهینه است، ولی در عمل فرآیندی بسیار زمانبر و غیرعملی است. در تکنیک‌های کاهش‌بعد همچون تکنیکPCA تنها استقلال آماری داده‌ها برای رسیدن به مؤلفه‌هایی جدید با وابستگی کمتر مدنظر بوده و بهبود صحت شناسایی تغییرات بطور مستقیم دنبال نمی‌شود. تعیین حدآستانه مناسب برای انتخاب ویژگی‌های بهینه در تکنیک تفکیک‌پذیری‌آماری (SAA) با فاصله JM نیز عملاً از کارایی این تکنیک می‌کاهد. تمرکز اصلی مقاله حاضر، انتخاب ویژگی‌های طیفی و بافت بهینه با الگوریتم ژنتیک و طبقه‌بندی‌کننده بیزین می‌باشد. جهت بررسی کارآیی تکنیک پیشنهادی، تغییرات شهر جدید سهند (شمال‌غرب ایران) با بکارگیری تصاویر سنجنده‌های IRS-P6 و Geo-Eye1اخذ شده در 14 جولای 2006 و 1 سپتامبر 2013 مورد بررسی قرار گرفت.تمامی تکنیک‌های مذکور در محیط برنامه‌نویسی MATLABR2013aپیاده‌سازی شدند.نتایج حاصل از این تحقیق نشان داد ویژگی‌های بافت می‌تواند به عنوان منبع اطلاعاتی مکمل، سبب بهبود نتایج شناسایی تغییرات در مناطق شهری شود. انتخاب ویژگی یک فرآیند تأثیرگذار در شناسایی تغییرات مبتنی بر ویژگی‌های طیفی و بافت می‌باشد. هریک از تکنیک‌های انتخاب ویژگی، محدودیت‌ها و مزایای خاص خودشان را داشته ولی در کل بهبود صحت شناسایی تغییرات را بدنبال دارند. مقایسه کارآیی تکنیک‌های انتخاب ویژگی نشان داد، تکنیک پیشنهادی در مقایسه با دو تکنیک متداولPCA و SAA (که نتایج مشابهی داشتند) از کارآیی و صحت بالاتری برخوردار است.با بکارگیری روش پیشنهادی، ضریب کاپا و صحت کلی نقشه تغییرات به ترتیب از 66/53% به 49/88% و از 94/58% به 39/90%،(در مقایسه با بکارگیری باندهای اصلی تصاویر)،افزایش یافت.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Improving change detection of urban areas with optimal selection of textural and spectral features using genetic algorithm
چکیده انگلیسی مقاله Analyzing multi-temporal remotely sensed images is a powerful technique for monitoring land use and land cover changes in urban areas. Apart from the change detection (CD) technique, the features space have an enormous impact on the CD accuracy.To achieve satisfactory CD results in urban area, optimum selection of textural and spectral features is necessary. Although an exhaustive search guarantees the optimality of the selected features, but it is computationally prohibitive. Data reduction techniques such as PCA considers the independence of the data to find a smaller set of variables with less redundancy without intending to improve the CD accuracy. Difficulty in setting the best threshold for JM distance in separability analysis algorithm (SAA) reduces its efficiency. The aim of this paper is finding the optimal textural and spectral features to enhance the CD accuracy using genetic algorithms (GA) and Bayesian classifier. To evaluate the effectiveness of the proposed approach, a case study using IRS-P6 and GeoEye1 satellite imagery acquired on July 15, 2006, and September 1, 2013, respectively, from Sahand New Town (Northwest of Iran) was performed. All the mentioned feature selection methods (PCA, SAA and proposed GA-based method) were implemented in MATLAB R2013a. Results show that, textural features provides a complementary source of data for CD in urban areas. Results show that features selection is an effective procedure in change detection based on textural and spectral features. Each of feature selection methods has its own limitation and advantages, but in general they increase the CD accuracy. The proposed GA-based feature selection approach was found to be relatively effective when compared to PCA and SSA approaches. Overall accuracy and Kappa coefficient of CD were increased from 53.66% to 88.49% and 58.94% to 90.39%, respectively using proposed method in compared with that using only spectral information.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله وحید صادقی |
دانشجوی دکتری فتوگرامتری، دانشکده نقشه برداری، دانشگاه صنعتی خواجه نصیر الدین طوسی
سازمان اصلی تایید شده: دانشگاه صنعتی خواجه نصیرالدین طوسی (Khajeh nasir toosi university of technology)

حمید عنایتی |
کارشناس ارشد فتوگرامتری، دانشگاه صنعتی خواجه نصیرالدین طوسی
سازمان اصلی تایید شده: دانشگاه صنعتی خواجه نصیرالدین طوسی (Khajeh nasir toosi university of technology)

حمید عبادی |
دانشیار دانشکده مهندسی نقشه برداری، عضو قطب علمی فناوری اطلاعات مکانی، دانشگاه صنعتی خواجه نصیر الدین طوسی
سازمان اصلی تایید شده: دانشگاه صنعتی خواجه نصیرالدین طوسی (Khajeh nasir toosi university of technology)

نشانی اینترنتی http://www.sepehr.org/article_18949_4c02f7844fa799cde4caa8f0ad0e05a9.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات