بررسی مقایسه ای معیارهای متداول ارزیابی دقت و معیارهای مغایرت طبقه بندی تصاویر سنجش از دور

سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 116

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_GIS-10-4_003

تاریخ نمایه سازی: 9 آبان 1400

چکیده مقاله:

ارزیابی دقت نتایج حاصل از طبقه بندی تصاویر ماهواره ای، بسیار حائز اهمیت است. تاکنون پارامترهای متعددی برای بیان دقت طبقه بندی تصاویر، مورد استفاده قرار گرفته اند. دو نمونه از متداول ترین پارامترها، ضریب کاپا[۱] و دقت کلی [۲]هستند. بعضی از محققان به این پارامترهای متداول ایراداتی وارد کرده و پارامترهای جدیدی ارائه کرده و معتقدند این پارامترها، معایب پارامترهای متداول را ندارند. در این تحقیق، رابطه دو مورد از این پارامترهای جدید ارزیابی دقت طبقه بندی با پارامترهای متداول مورد بررسی قرار گرفته است. این دو پارامتر مغایرت کمی[۳] و مغایرت تخصیصی[۴] نام گذاری شده اند که میزان عدم شباهت را گزارش می کنند. به منظور بررسی رفتار این دو پارامتر، روی ۵۷ تصویر شامل سه دسته از تصاویر با قدرت تفکیک متوسط، قدرت تفکیک بالا و قدرت تفکیک خیلی بالا، طبقه بندی نظارت شده انجام شد. سپس ضریب کاپا و دقت کلی به عنوان پارامترهای متداول، و مغایرت کمی و مغایرت تخصیصی به عنوان پارامترهای جدید برای هر تصویر طبقه بندی شده، محاسبه شده و همبستگی مقادیر به دست آمده با یکدیگر بررسی شد. نتایج به دست آمده در این تحقیق نشان می دهند که میزان همبستگی بین این دو دسته پارامتر، بالا ولی در جهت منفی است؛ به عبارت دیگر با افزایش مقادیر یک دسته، مقادیر دسته دیگر کاهش می یابد. به این ترتیب، پارامترهای مغایرت، اطلاعات جدیدی را درباره نتایج طبقه بندی به کاربر ارائه نمی کنند، تنها و در صورتی که خطای طبقه بندی خواسته شود، می توان از پارامترهای مغایرت نیز درکنار آن ها استفاده نمود.[۱] Kappa Coefficient[۲] Overall Accuracy[۳] Quantity Disagreement[۴] Allocation Disagreement

نویسندگان

مهران دادجو

گروه مهندسی نقشه برداری، دانشکده مهندسی عمران و حمل و نقل، دانشگاه اصفهان

سید باقر فاطمی نصرآبادی

استادیار گروه مهندسی نقشه برداری، دانشکده مهندسی عمران و حمل و نقل، دانشگاه اصفهان

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Congalton, R.G. & Green, K., ۲۰۰۸, Assessing the accuracy of ...
  • El-Aziz, M. A. E.-A., ۲۰۰۴, Evaluation of soft classifiers for ...
  • Emami, H., ۲۰۰۵, Introducing correctness coefficient as an accuracy measure ...
  • Foody, G.M., ۲۰۰۲, Status of land cover classification accuracy assessment, ...
  • Foody, G. M. & Arora, M.K., ۱۹۹۶, Incorporating mixed pixels ...
  • Gu, J., Sun, G., Pan, Y. & Fan, D., ۲۰۱۲, ...
  • Hashemian, M., Abkar, A. & Fatemi, S., ۲۰۰۴, Study of ...
  • Li, W. & Guo, Q., ۲۰۱۴, A new accuracy assessment ...
  • Marpu, P. R., Wijaya, A. & Gloaguen, R., ۲۰۰۸, Soft ...
  • MASELLl, F., Rodolfi, A. & Conese, C., ۱۹۹۶, Fuzzy classification ...
  • Mathers, P., ۱۹۹۹, Computer Processing of Remotely-Sensed Images: John Wiley ...
  • Persello, C. & Bruzzone, L., ۲۰۱۰, A novel protocol for ...
  • Pickard, B., Gray, J., & Meentemeyer, R. (۲۰۱۷). Comparing Quantity, ...
  • Pontius Jr, R. G. & Millones, M., ۲۰۱۱, Death to ...
  • Pontius, R. G., ۲۰۰۰, Quantification error versus location error in ...
  • Richards, J.A., ۲۰۱۳, Remote sensing digital image analysis: Springer ...
  • Story, M. & Congalton, R.G., ۱۹۸۶, Accuracy assessment: a user’s ...
  • Strahler, A.H., Boschetti, L., Foody, G.M., Friedl, M.A., Hansen, M.C., ...
  • Sui, C., Tian, Y. & Xu, Y., ۲۰۱۴, An Unsupervised ...
  • Warrens, M.J., ۲۰۱۵, Relative quantity and allocation disagreement measures for ...
  • Wilkinson, G.G. ۲۰۰۵, Results and implications of a study of ...
  • Yan, G., Mas, J.F., Maathuis, B., Xiangmin, Z. & Van ...
  • نمایش کامل مراجع