مقایسه الگوریتم های ماشین بردار پشتیبان و نزدیکترین همسایه جهت طبقه بندی تصاویر در روش شی ء گرا با استفاده از داده های ماهواره ی سنتینل 2

طبقه بندی صحیح عوارض محیطی در تصاویر ماهواره ای یکی از دغدغه های اصلی کاربران سنجش از دور می باشد که بسیاری از الگوریتم ها برای این منظور توسعه یافته اند. این بررسی مقایسه ای است بین الگوریتم های ماشین برداز پشتیبان (svm) و نزدیکترین همسایه (knn) در طبقه بندی تصاویر ماهواره ای. در این بررسی از هر دو الگوریتم جهت طبقه بندی محدوده ی شهر شیراز با استفاده از داده های ماهواره سنتینل2 استفاده شده است.کلاسه بندی در روش شی ء گرا با الگوریتم svm در کرنل شعاعی با گامای0/03 و الگوریتم knn با تعداد k=1 همسایه صورت گرفته است و تصویر با سطح مقیاس(50 (scale level درصد و سطح ادغام (merge level) به مقدارهای 50 و 75 و 95 درصد کلاسه بندی شده اند. نتایج نشان می دهند که الگوریتم svm با میانگین ضریب کاپای 0/77 از کارایی بیشتری نسبت به الگوریتم knn با ضریب کاپای 0/68 برخوردار است.