پیاده سازی طرح جامع کاداستر شهری بااستفاده ازتصاویر ماهواره ای نمونه موردی: شهرجلفا
محل انتشار: اولین همایش علمی پژوهشی افق های نوین در علوم جغرافیا و برنامه ریزی، معماری و شهرسازی ایران
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 618
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NICONF01_243
تاریخ نمایه سازی: 30 آبان 1394
چکیده مقاله:
ایجاد نقشه های کاداستری شهری و طبیعی باعث علاقه فزآینده و توجه ویژه در جامعه سنجش از دور به این موضوع شده است. آشکارسازی تغییرات پوشش زمین مربوط می شود به تجزیه و تحلیل سنجش از دور تصاویر چند طیفی که در دو زمان متفاوت از یک منطقه جغرافیایی مشابه کسب شده است. شبکه های عصبی مصنوعی نیز به عنوان یک ابزار مهم برای پرداختن به بسیاری از مشکلات مربوط به تصاویر سنجش از دور پدید آمده است. همچنین آشکارسازی پیکسلی تغییرات به عنوان یکی از نواحی نسبتاً جدید استفاده از شبکه های عصبی مصنوعی بوجود آمده است در این تحقیق ما روشهایی را که در هر دو الگوی طبقه بندی نظارت شده و بدون نظارت به رسمیت شناخته شده، برای آشکارسازی پیکسلی خودکار تغییرات در تصاویر ماهواره ای چند زمانه با قدرت تفکیک بالا و چند طیفی مورد ارزیابی قرار دادیم که نتیجه آن بهترین الگوریتم برای طبقه بندی تصاویر ماهواره ای با قدرت تفکیک بالا برای الگوریتم پرسپترون چند لایه MLP با دقت کلی و ضریب کاپا به ترتیب 28/91 درصد و 89 همچنین شبکه تابع شعاع مدار 75/77 درصد و 72 و در نهایت شبکه نگاشت خودسازمانده با کمترین دقت به ترتیب 09/74 درصد برای دقت کلی و مقدار 67 برای ضریب کاپا بدست آمد. با بهنگام سازی نقشه های کاداستر موجود براساس تصاویر ماهواره ای، ضریب تغییرات شهری و طبیعی را برای نقشه های مقیاس بزرگ و مقیاس کوچک و با تراکم عوارض پایین و بالا آشکار می نماید در انجام روش از کد دستورهای آشکارساز پیکسلی برای تشخیص تغییرات استفاده شوه که به زبان پایتون نوشته شده اند
کلیدواژه ها:
نویسندگان
سیدمحمدامین سیدصدقیانی
کارشناسی ارشد سنجش ازدورو سیستم اطلاعات جغرافیایی
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 :