در ادامه مطلب می توانید تکه هایی از ابتدای این پایان نامه را بخوانید

دانشگاه آزاد اسلامی

واحد تهران جنوب

دانشکده تحصیلات تکمیلی

“M.Sc” پایان نامه برای دریافت درجه کارشناسی ارشد

مهندسی برق – مخابرات

عنوان:

طبقه بندی شی گرا اطلاعات طیفی و مکانی در تصاویر سنجش از دور چند طیفی

برای رعایت حریم خصوصی اسامی استاد راهنما،استاد مشاور و نگارنده درج نمی گردد

تکه هایی از متن به عنوان نمونه :
(ممکن می باشد هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود اما در فایل دانلودی همه چیز مرتب و کامل می باشد)
چکیده:
یک شیء، پیکسلهای یک ناحیه می باشد که ویژگیهای طیفی و مکانی آنها همگون می باشد. طبقه بندی شیءگرا عبارت می باشد از استخراج ویژگیهای تصویر بوسیله مدلسازی همبستگیهای مکانی جهت بدست آوردن اشیاء (ناحیه بندی) و تخصیص کل پیکسلهای درون شیء به یک کلاس ب ا بهره گیری توام از اطلاعات محتوایی بدست آمده (مانند: شکل، اندازه) و مدلسازی همبستگیهای طیفی (اطلاعات پیکسلها) جهت طبقه بندی. طبقه بندی شیءگر ا دارای مزایایی زیرا افزایش دقت طبقه بندی توسط طبقه بندی کننده های ساده به علت داشتن اطلاعات مفیدتر نسبت به طبقه بندی کننده های پیکسل گرا وکاهش حجم اطلاعات ارسالی، افزایش سرعت در طبقه بندی، کاهش اندازه حافظه مورد نیاز با دسترسی تصادفی به علت فشرده سازی تصویر میباشد.
مسئله اصلی مورد پژوهش در این پایان نامه، ارائه الگوریتم هایی می باشد که علاوه بر افزایش دقت طبقه بندی به اندازه قابل توجه، شیء بامعنی نیز ایجاد کنند. در این راستا، دو طبقهبندی شیءگرا یکی بر اساس ادغام بر مبنای ویژگی های آماری همراه پیش پردازش مکانی و دیگری بر مبنای گراف پیشنهاد گردیده می باشد. در الگوریتم های پیشنهادی، تعداد باندهای مورد بهره گیری جهت ناحیه بندی از سه باند به n باند گسترش یافته (بهره گیری از تمامی اطلاعات موجود در باندها) و شرط ادغام جهت بهبود ناحیه بندی اصلاح شده می باشد. بدین مقصود، پس از هموارکردن تصویر، آن را به کمک یکی از این دو الگوریتم ناحیه بندی کرده و سپس تصویر ناحیه بندی شده را طبقه بندی میکنیم. متوسط بردار ویژگی ناحیه مورد نظر را به عنوان نماینده آن ناحیه جهت طبقه بندی انتخاب و کل ناحیه را به یک کلاس اختصاص میدهیم. طبقه بندی مورد بهره گیری در این پژوهش، طبقه بندی کننده حداکثر احتمال میباشد.
با بکارگیری تصاویر واقعی چندطیفی جهت آزمایش کارآیی الگوریتم های پیشنهادی، در مقایسه با الگوریتم های NSECHO و SECHO و FNEA و AMICA و SRM+MHR، مشخص گردید بهترین نقشه مکان – مرجع ویژگی های شیء، متعلق به الگوریتم اصلاح شده ی ادغام بر مبنای ویژگیهای آماری همراه پیش پردازش مکانی می باشد. این نقشه، بر مبنای ارزیابی شهودی نسبت به کل الگوریتمهای مطرح شده می باشد و بامعنی بودن اشیاء حاصل شده به عنوان معیار کیفی از این نقشه برداشت میشود. بالاترین اندازه افزایش دقت طبقه بندی نسبت به حالت پیکسل گرا، به عنوان معیار کیفی متعلق به الگوریتم AMICA به اندازه 3/9% می باشد و الگوریتم پیشنهادی ادغام بر مبنای ویژگی های آماری همراه پیش پردازش مکانی در مرتبه بعدی قرار دارد. الگوریتم اصلاح شده ی ادغام بر مبنای ویژگیهای آماری همراه پیش پردازش مکانی توانسته می باشد دقت طبقه بندی را به اندازه 2/33% افزایش دهد. همچنین از نقطه نظر تعداد اشیاء ، به عنوان یکی دیگر از معیارهای کمی، تعداد اشیاء در AMICA 1193 شیء یا فشرده سازی به اندازه 25/81% می باشد. این در حالی می باشد که الگوریتم پیشنهادی ادغام بر مبنای ویژگیهای آماری همراه پیش پردازش مکانی، دارای 982 شیء یا فشرده سازی به اندازه 31/36% می باشد. به عنوان نتیجه گیری از کل معیارهای کمی و کیفی، ادعا می گردد الگوریتم ادغام بر مبنای ویژگیهای آماری همراه پیش پردازش مکانی بهتر از سایر الگوریتم های مطرح شده، عملکرده می باشد.
مقدمه:
جهت افزایش دقت طبقه بندی در تصاویر سنجش از دور، دو نوع از الگوریتمها توسعه یافته اند. نوع اول از الگوریتمها، کوشش در بالا بردن دقت طبقه بندی، با افزایش پیچیدگی طبقه بندی کننده میکنند، در حالیکه در نوع دوم، کوشش می کنند دقت طبقه بندی را با ناحیه بندی تصویر و سپس بهره گیری از طبقه بندی کننده های ساده افزایش دهند.
یکی از ملزومات توسعه هر فناوری مانند فناوری چندطیفی، اقتصادی بودن آن میباشد. به اظهار دیگر اطلاعات مطلوب بایستی با حداقل هزینه در اختیار مصرف کنندگان قرار گیرد، اما این امر با تعیین دقیق وضعیت در تضاد می باشد. به عنوان مثال، برای تعیین مناطق سالم و دچار آفت نوع خاصی از غله در یک مزرعه کشاورزی به مساحت چندین هزار هکتار، دقت مکانی بالا لازم می باشد. شکل گیری چنین امری نیازمند هزینه زیادی می باشد که مصرف کننده بایستی آن را بپردازد . پس، روشهای اقتصادی تر دیگری که نیاز به دقت مکانی بالا نداشته باشد، موردنیاز بوده و در این راستا از اطلاعات مکانی (از قبیل شکل، ارتباط با مناطق همسایه یا مجاور و بافت) موجود در شیء که منبع مهمی برای طبقه بندی تصویر به شمار می آید، برای مقایسه و طبقه بندی بهره گیری میشود. حتی اگر مصرف کننده از تصاویر با دقت مکانی بالا بهره گیری کند، معمولاً با افت دقت طبقه بندی مواجه میشود. زیرا که دقت طبقه بندی وابسته به قدرت شناخت شکل و رنگ و بافت در کنار ویژگیهای طیفی دیگر توسط ماشین می باشد. در واقع، نبود ویژگیهای مکانی منجر به خطاهای متعددی می گردد. عدم بهره گیری از ویژگیهای مکانی در کنار ویژگیهای طیفی در روشهای شناخت الگو، منجر به عدم شناخت موثر، در انواع گوناگون پوشش زمین با خواص طیفی مشابه یا طبقه بندی پوشش های مشابه با پاسخهای طیفی متفاوت و در نتیجه با افت دقت طبقه بندی میشود. این مسئله در بخش 4-1 به تفضیل مورد مطالعه قرار گرفته می باشد.
ناحیه بندی تصویر را می توان به عنوان فرایند تقسیم تصویر به نواحی همگون بدون اشتراک به گونه ای که هیچ دو ناحیه مجاوری شرط ادغام با همدیگر را ارضاء نکنند و تمامی پیکسلهای مشابه، توسط نواحی، با شرط مورد نظر پوشش داده شوند، تعریف نمود. اکثر روشهای ناحیه بندی مانند آشکارسازهای لبه، شکل شناسی ریاضی، تحلیل بافت، خالص سازی طیف، شبکه های عصبی، شبکه های بیز، منطق فازی و روشهای چند مقیاسی زیرا پیرامید، موجک و فرکتال، توپولوژی واضحی از شیء تولید نمیکنند. از طرف دیگر، در تصاویر سنجش از دور، موقعیت هایی با دقت پایین و بالا تواماً رخ میدهند (هرگاه یک شیء از تعداد زیادی از پیکسلهای منحصر بفرد در عوض اشیاء تشکیل گردد، آن شیء را با دقت بالا مینامند و اگر یک تک پیکسل از تعداد زیادی از اشیاء کوچک تر تشکیل گردد، آن شیء را با دقت پایین می نامند) به عنوان مثال، تصویر پوشش گیاهی جنگل با دقت  1متر را در نظر میگیریم. اگر تاج هر درخت 10 متر قطر داشته باشد، هر تاج به عنوان یک شیء از تعداد زیادی از پیکسلها ساخته شده می باشد. در اینجا، هر 1 متر پیکسل جزئی از تاج یک درخت می باشد یا با دقت بالا می باشد. با این تفاصیل، هر یک متر پیکسل ترکیبی از انعکاسهای تعداد زیادی برگ و شاخه می باشد یا نسبت به این اجزاء منحصر بفرد خود، با دقت پایین می باشد. در نتیجه، تصاویر سنجش از دور چند مقیاسی هستند. پیکسلهای آمیخته خود مشکل دیگری می باشد که سبب اغتشاشات در لبه های تصویر می گردد. پس، هر روش ناحیه بندی ای برای تحلیل تصاویر پیچیده چندطیفی مناسب نیست. روش پیشنهادی به همراه بلوک دیاگرام مربوطه، در بخش 1-3 اظهار شده می باشد.
در این پایان نامه، پس از مروری بر تصاویر چندطیفی و طبقه بندی آنها در فصل دوم، به اظهار تصویر به وسیله شیء بجای پیکسل در فصل سوم میپردازیم. فصل چهارم به طبقه بندی شیءگرا اختصاص یافته می باشد. سه روش پیشنهادی معرفی شده در فصل پنجم به قرار ذیل هستند:
الف) ادغام بر مبنای ویژگیهای آماری همراه پیش پردازش مکانی.
ب) ادغام بر مبنای ویژگیهای آماری به صورت چند مقیاسی.
ج) ادغام بر مبنای گراف.
فصل ششم، به نتیجه گیری از کل کار و پیشنهادات تخصیص داده شده می باشد.
تعداد صفحه : 120
قیمت : 14700 تومان

 

این مطلب رو هم توصیه می کنم بخونین:   پایان نامه کارشناسی ارشد مهندسی برق با موضوع بهینه سازی کنترل توان راکتیو

***

—-

دسته‌ها: مهندسی برق

دیدگاهتان را بنویسید