احمدرضا آقاجانی فشارکی، کارشناسی ارشد ناپیوسته مهندسی برق – الکترونیک، مهران عمادی، 1395 .

شماره دانشجویی : 92233002
نام و نام خانوادگی : احمدرضا آقاجانی فشارکی
عنوان پایان نامه : طبقه بندی تصاویر رادار روزنه مصنوعی در مناطق شهری با روش PCM و SVM
رشته تحصیلی : مهندسی برق – الکترونیک
مقطع تحصیلی : کارشناسی ارشد ناپیوسته
استاد راهنما : دکتر مهران عمادی
چکیده : براي تدبير سياستهاي مديريت کارآمد و جلوگيري از عواقب منفي در توسعه ي شهري و براي برنامه ريزي شهري معقول، دانش مکاني مورد نياز است. از آنجايي که سنجش از دور مي تواند داده هاي مشاهده اي دقيق و با جزئيات را در مقياس هاي مختلف مکاني و زماني فراهم    بکاربرد.  در بسياري از سيستم هاي LULC آورد،  مي توان آن را به عنوان  يک ابزار کار آمد براي کشف اطلاعات زمين و پوشش زمين  سنجش از راه دور، مدت طولاني است که  رادار روزنه مصنوعي به عنوان يک ابزار موثر براي آناليز شهري شناخته شده است زيرا  در مقايسه  با سنسورهاي نوري يا مادون قرمز نسبت به شرايط آب و هوايي يا نور خورشيد کمتر تحت تاثير قرار مي گيرد. آناليز تصاوير رادار روزنه مصنوعي کاربردهاي  گسترده اي در طراحي شهري ، نظارت بر رشد، تشخيص آسيب، ارزيابي حوادث طبيعي، جستجوي سازه ساخته شده ،مدلسازي سه بعدي شهر ، توليد داده ها انسانی،  نظارت بر تغييرات کاربرد زمين، تخمين جمعيت،ارزيابي تاثير انسان بر محيط زيست طبيعي، تفسير ويژگي هاي اجتماعي و اقتصادي و…  دارد. در اين پژوهش ابتدا خلاصه اي از الگوريتم ها و روش هاي طبقه بندي تصاوير رادار روزنه مصنوعي معرفي مي شود و سپس به معرفي رادار روزنه مصنوعي پرداخته و در ادامه کارهاي انجام شده در اين زمينه به همراه بيان معايب و مزاياي آنها  و روش هاي کاهش نويز اسپکل تصاوير توسط فيلتر هاي مختلف پرداخته شده و در نهايت به معرفي الگوريتم و روش پيشنهادي پرداخته می  شود .هدف از انجام اين تحقيق ارائه الگوريتم و روشي جهت بهبود طبقه بندي تصاوير رادار روزنه مصنوعي در مناطق شهري مي باشد، که براي رسيدن به اين منظور از الگوريتم جديدي که از بکاربردن مشترک دو روش طبقه بندي با ناظر و بدون ناظر به همراه فيلتر طراحي شده جديد مي باشد استفاده شده است، کارهايي که تا کنون انجام شده است اکثرا يا از روش نظارت شده و يا نظارت نشده استفاده شده است و روشي که توسط آن بتوان هم  تصاوير با زمين مرجع و هم بدون زمين مرجع را طبقه بندي کرد ارائه نشده است .جهت طبقه بندي تصاوير پوشش زميني از طبقه بندي کننده هاي ماشين بردار پشتيبان تا نزديکترين همسايه استفاده شده است.اين طبقه بندي کننده ها از زمره روش هاي طبقه بندي نظارت شده هستند. در طبقه بندي نظارت شده به داده هاي آموزشي براي آموزش طبقه بندي کننده نياز است. در اين پژوهش از سه داده واقعي استفاده شده است.يکي از اين داده ها به عنوان داده ي آموزشي و دو داده ي ديگر به عنوان داد ه ي ارزيابي، مورد استفاده قرار گرفته اند. داده خوشه بندي شده است، سپس درصدي از هر Fuzzy c-means ي مربوط به آموزش با استفاده ازروش خوشه بندي نظارت نشده خوشه به عنوان نمونه هاي آموزشي انتخاب مي شوند. اين نمونه هاي آموزشي براي استخراج ويژگي بکار گرفته شدند. جهت ارزيابي نتايج ، ابتدا روش پيشنهادي روي داده هاي آموزشي اجرا شده است و پس از بدست آمدن نتايج قابل قبول ، روش پيشنهادي روي تصاوير واقعي اجرا شده است، همچنين جهت ارزيابي روش بکار رفته ،نتايج بدست آمده با نتايج خوشه بندي مقايسه مي شود . دقت روش بکار رفته در اين پژوهش براي تصاوير شبيه سازي شده بدون در نظر گرفتن ويژگي هاي بافت FCM ،76/98 درصد و با در نظر گرفتن ويژگي بافت 24/99 درصد مي باشد. دقت طبقه بندي براي داده هاي واقعي تصوير کبک بدون در نظر گرفتن ويژگي بافت 12/85 درصد و با در نظر گرفتن ويژگي بافت 46/89 درصد بدست آمده است. همچنين دقت طبقه بندي کننده براي داده واقعي تصوير خليج سانفرانسيسکو، بدون در نظر گرفتن ويژگي بافت 76/91 درصد و با در نظر گرفتن ويژگي بافت 46/93 درصد بدست آمده است. نتايج حاصل نشان دهنده افزايش دقت طبقه بندي کننده می باشد.
کلمات کليدی:طبقه بندی،رادار،تصاوير،نظارت شده،نظارت نشده
تاریخ دفاع : 1395