ارزیابی صحت طبقه بندی الگوریتم ماشین بردار پشتیبان و حداکثر شباهت در طبقه بندی تصاویر ماهواره ای سنجنده OLI

ارزیابی صحت طبقه بندی الگوریتم ماشین بردار پشتیبان و حداکثر شباهت در طبقه بندی تصاویر ماهواره ای سنجنده OLI

زهرا جودکی1 علی اصغر تراهی2

1) دانشجوی کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشگاه خوارزمی تهران
2) استادیار گروه ژئوانفورماتیک دانشکده علوم جغرافیایی دانشگاه خوارزمی تهران

کد IOI مقاله : XYKG-CGAGB
محل انتشار : امنیت، پیشرفت و توسعه پایدار مناطق مرزی، سرزمینی کلانشهرها راهکارها و چالش ها (icsp.ir)
چکیده :
    تهیه نقشه کاربری اراضی و ارزیابی آن یکی از کاربردهای اصلی سنجش از دور است. اصولا تهیه نقشه های کاربری اراضی یک فرایند پیچیده است که کیفیت محصول نهایی در آن تحت تاثیر فاکتورهای مختلف می باشد. هدف ما در این تحقیق ارزیابی صحت طبقه بندی تصاویر ماهواره ای سنجنده OLI با استفاده از دو الگوریتم MLC و SVM است. برای بررسی تاثیر حجم نمونه های آموزشی بر میزان صحت طبقه بندی در این تحقیق، نمونه های آموزشی در سه دسته 15تایی، 50تایی و 100تایی تهیه شده اند. تصحیح رادیومتریک و اتمسفری روی تصویر اعمال شد و برای تعیین میزان تفکیک پذیری نمونه های آموزشی از تست جفری-ماتوستیا استفاده گردید و خروجی آنالیز نشان داد که نمونه ها دارای تفکیک پذیری خوبی بوده اند. به منظور ارزیابی صحت طبقه بندی از شاخص صحت کلی و ضریب کاپا استفاده شد. نتایج نهایی نشان داد که طبقه بندی با استفاده از کرنل های polynomial و sigmoid الگوریتم SVM، در کل صحت بالاتری نسبت به الگوریتم MLC دارد. می توان گفت حساسیت الگوریتم MLC نسبت به حجم نمونه های آموزشی بیشتر از الگوریتم SVM است.

کلمات کلیدی : طبقه بندی الگوریتم svm الگوریتم mlc صحت کلی سنجنده oli