ارائه مدلی برای تشخیص تغییر تصاویرسنجش از دور با الگوریتم درخت تصمیم

فناوری سنجش از دور۱در تمام بخش های منابع طبیعی نفوذ کرده است زیرا اطلاعات دقیقی را در وضعیت عوارض زمین ارائه می دهد. ماهواره های سنجش از دور در حال حاضر سریع ترین و غنی ترین منبع اطلاعات مناطق جغرافیایی هستند. با توجه به تغییرات مداوم سطح کره زمین و گسترش فناوری سنجش از دور، تشخیص این تغییرات برای پایش نیازهای انسانی و محیطی بسیار حیاتی و مفید است. بنابراین، توسعه تکنیک های تشخیص تغییر۲ خودکار برای بهبود کیفیت و کاهش زمان مورد نیاز برای تجزیه و تحلیل دستی تصویر ضروری است. این کار با ارائه چارچوبی، بر بهبود دقت طبقه بندی الگوریتم های یادگیری ماشین با نمونه های آموزشی موجود تمرکز دارد. به دلیل اینکه داده های لندست دارای وضوح مکانی متوسط هستند، از محاسبات پیکسلی استفاده شده است. برای تشخیص تغییر از ماتریس تفکیک پذیر تصویر و الگوریتم درخت تصمیم استفاده شده است. بطوریکه تصاویر منفرد توسط یک الگوریتم درخت تصمیم طبقه بندی می شوند. سپس از یک روش جبری برای مقایسه با روش پیشنهادی استفاده می شود. در این روش آستانه تصویر با روش گوشه محاسبه و پیکسل های تغییر یافته و ثابت تعیین می شوند. عملکرد الگوریتم طبقه بندی با اعتبارسنجی متقاطع ارزیابی و تایید شده است. نتایج تجربی نشان می دهد که تشخیص تغییر با استفاده از روش یادگیری ماشین در مقایسه با روش تشخیص تغییر جبری، پس از طبقه بندی نتایج بهتری را تولید می کند.