پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,235 |
| تعداد مقالات | 67,807 |
| تعداد مشاهده مقاله | 115,282,556 |
| تعداد دریافت فایل اصل مقاله | 90,024,436 |
مقایسه روش‌های طبقه‌بندی شئ- پایه و پیکسل- پایه تصاویر ماهواره‌ای در طبقه‌بندی تیپ‌های جنگل | ||
| مجله منابع طبیعی ایران (منتشر نمی شود) | ||
| مقاله 13، دوره 60، شماره 6 - شماره پیاپی 1000373، اسفند 1387 اصل مقاله (359.17 K) | ||
| نویسندگان | ||
| شعبان شتایی؛ علی اصغر درویش‌صفت؛ هوشنگ سبحانی* | ||
| چکیده | ||
| شیوه‌های مختلفی برای تفکیک پدیده‌های موضوعی در تصاویر ماهواره‌ای وجود دارند. روش‌های متداول طبقه‌بندی، مبتنی بر پیکسل است. تصاویر ماهواره‌ای را به روش‌های شی-پایه نیز می‌توان طبقه‌بندی کرد. در این روش‌ها مجموعه‌ای از پیکسل‌ها که پدیده را می‌سازند، مدنظر قرار می‌گیرند. به‌منظور مقایسه قابلیت روش‌های طبقه‌بندی پیکسل –پایه و شئ- پایه در تفکیک تیپ‌های جنگل، تحقیق حاضر در جنگل آموزشی و پژوهشی خیرودکنار نوشهر بر روی داده‌های سنجنده ETM+ انجام گرفت. تصاویر ابتدا مورد تصحیحات دقیق هندسی قرار گرفتند. سپس فنون مختلف بارزسازی مانند PCA، تسلدکپ و نسبت‌گیری بر روی آنها انجام شد. در روش پیکسل پایه از خوارزمی حداکثر احتمال استفاده شده و طبقه‌های راش خالص، راش آمیخته، ممرز خالص، ممرز آمیخته، توسکای آمیخته، تیپ آمیخته و مناطق جنگلکاری تفکیک شدند. در روش شیء-پایه تصاویر در چند سطح قطعه‌بندی شدند. این قطعات اولیه با استفاده از فنون نزدیک‌ترین همسایه، توابع عضویت و تلفیقی از این دو فن مورد طبقه‌بندی قرار گرفتند. در فن نزدیک‌ترین همسایه، قطعات از طریق انتخاب پدیده‌های تعلیمی برای هر تیپ طبقه‌بندی شدند. در فن توابع عضویت، قطعات اولیه با استفاده از خصوصیات طیفی، شکلی، بافت و روابط بین پدیده‌ها در یک سلسله مراتب از طبقات، طبقه‌بندی شدند. در روش تلفیقی، طبقه‌بندی قطعات در چند مرحله و با استفاده از فنون نزدیک‌ترین همسایه و توابع عضویت صورت گرفت. به‌منظور برآورد میزان صحت و درستی نقشه‌های حاصل از طبقه‌بندی تصاویر به روش‌های مختلف، نقشه واقعیت زمینی تیپ‌های جنگل به‌صورت نمونه‌ای (193 قطعه نمونه) و به روش میدانی تهیه شد. نتایج بررسی صحت نشان می‌دهد که روش طبقه‌بندی شیء–پایه در مقایسه با روش طبقه‌بندی پیکسل–پایه توانسته است موجب بهبود صحت کلی از 44 درصد به حدود 61 درصد و ضریب کاپا ازحدود 255/0 به حدود 445/0 شود. در بین فنون شی- پایه، فن تلفیقی بهتر از فنون نزدیک‌ترین همسایه و توابع عضویت توانسته است قطعات اولیه حاصل از قطعه‌بندی را طبقه‌بندی کند. | ||
| کلیدواژه‌ها | ||
| پایه؛ طبقه‌بندی؛ نزدیک‌ترین همسایه و توابع عضویت؛ تیپ جنگل؛ شیء؛ پیکسل | ||
| عنوان مقاله [English] | ||
| Comparison of pixel-based and object-based approaches for forest type mapping using satellite data | ||
| چکیده [English] | ||
| There are various methods for classifying phenomena in satellite images. Conventional methods of classification are pixel-based. Satellite images may also be classified using object-based methods. In this method, a group of pixels that form the phenomenon are selected. In order to compare pixel-based and object-based methods in distinguishing forests types, this research was conducted in Forest Research Station of Tehran University in the central Caspian forests. The Landsat 7 ETM+ image was analysed. First, a precise orthorectification was done. Then, enhancement techniques, including PCA, Tesseled cap, and rationing, were employed. In the pixel-based method the Maximum likelihood classifier was used and the forest types classified were pure beech, mixed beech, pure hornbeam, mixed hornbeam, mixed alder, mixed and plantation areas. In object-oriented approach, three classification methods of nearest neighbour, membership function, and an integrating of both methods were used. In each method the best segmentation parameters were applied in order to extract the homogenous area as a forest type. By nearest neighbour method, after segmentation, some objects in each type were selected as training objects. By membership function method, classification was done by three steps and segmentation levels. At each level, forest types hierarchically were extracted by determining the best fuzzy logic and function. The third method (combined of two first methods) was performed by four segmentation and classification levels. To generate a ground truth map of forest general types, a systematic random sampling method with 193 plots with one hectare area was done in the forest. In each plot, forest type was determined by computing tree species frequencies using two methods: total number of each species and, a frequency of each species in 100 thick tree classes. The accuracy assessment of forest type maps showed that the object-oriented classification approach considerably improved the results comparing with pixel-based classification approach (from 25.5% to 44.4%). The study also indicated that the combined nearest neighbour and membership function methods could improve the results over the other techniques. | ||
| کلیدواژه‌ها [English] | ||
| base, forest type, object, Classification, Nearest neighbor, ETM+, Membership function, Pixel | ||
|
آمار تعداد مشاهده مقاله: 1,823 تعداد دریافت فایل اصل مقاله: 1,681 |
||