رفتن به مطلب
تالار گفتگوی ایران سازه، وبسایت تخصصی مهندسی عمران
admin

نرماليزاسيون راديومتريک اتوماتيک تصاوير ماهواره اي چندزمانه مبتني بر تبديل IR-MAD و شبکه هاي عصبي مص

پست های پیشنهاد شده

نرماليزاسيون راديومتريک اتوماتيک تصاوير ماهواره اي چندزمانه مبتني بر تبديل IR-MAD و شبکه هاي عصبي مصنوعي

نویسندگان:  مقيمي آرمين*, عبادي حميد, صادقي وحيد

نرماليزاسيون راديومتريک نسبي، اغلب در آناليزهاي تصاوير ماهواره اي چندزمانه، خصوصا در آشکارسازي تغييرات کاربري اراضي مورد استفاده قرار مي گيرد. در اين تحقيق ضمن بررسي تبديل IR-MAD، تکنيک جديدي مبتني بر تبديل IR-MAD و شبکه هاي عصبي مصنوعي توسعه داده شده است. تکنيک پيشنهادي بر روي تصاوير ماهواره اي چندزمانه لندست تي ام متعلق به سال هاي 1989 و 2010 شهر تبريز، پياده سازي شده است. استفاده از ترکيب خطي تصاوير ماهواره اي چندزمانه، انتقال اين تصاوير به فضاي ديگر و تکراري بودن فرآيند تبديل IR-MAD باعث شده که اين تبديل به عنوان روشي مستقل از نويز آماري و شرايط اتمسفري در جهت شناسايي تغييرات و انتخاب نقاط کنترل راديومتريکي در اين تحقيق بکار رود. همچنين قابليت و انعطاف بالاي شبکه عصبي مصنوعي در تقريب توابع غيرخطي و خطي پيوسته در فضاي ترکيبي باعث شد که از اين شبکه ها در مدلسازي رابطه بين نقاط کنترل راديومتريکي در تصاوير ماهواره اي چندزمانه استفاده گردد. معيارهاي ارزيابي بکار رفته در اين تحقيق، شامل ميانگين خطاي کمترين مربعات و آزمون هاي آماري t و F مي باشد. نتايج نشان مي دهد که استفاده از روش پيشنهادي موجب افزايش دقت و عملکرد نرماليزاسيون راديومتريک نسبي شده است. روش توسعه داده شده در اين تحقيق از نظر ميانگين خطاي کمترين مربعات در تمامي باند هاي طيفي نسبت به روش IR-MAD و داده هاي خام بترتيب 0.11 و 8.13 درصد افزايش دقت داشته است.

منبع:

Hidden Content

    Give reaction or reply to this topic to see the hidden content.

دانلود:

Hidden Content

    Give reaction or reply to this topic to see the hidden content.

Hidden Content

    Give reaction or reply to this topic to see the hidden content.

به اشتراک گذاری این ارسال


لینک به ارسال
به اشتراک گذاری در سایت های دیگر

برای ارسال دیدگاه یک حساب کاربری ایجاد کنید یا وارد حساب خود شوید

برای اینکه بتوانید دیدگاهی ارسال کنید نیاز دارید که کاربر سایت شوید

ایجاد یک حساب کاربری

برای حساب کاربری جدید در سایت ما ثبت نام کنید. عضویت خیلی ساده است !

ثبت نام یک حساب کاربری جدید

ورود به حساب کاربری

دارای حساب کاربری هستید؟ از اینجا وارد شوید

ورود به حساب کاربری

  • کاربران آنلاین در این صفحه   0 کاربر

    هیچ کاربر عضوی،در حال مشاهده این صفحه نیست.

  • مطالب مشابه

    • توسط admin
      مدل سازي منطقه اي TEC با استفاده از شبکه هاي عصبي مصنوعي و مدل چند جمله اي در ايران
      نویسندگان:  Hidden Content
      Give reaction or reply to this topic to see the hidden content. غفاري رزين ميررضا, محمدزاده علي*
      در اين مقاله از يک شبکه عصبي مصنوعي پرسپترون 3 لايه با 5 نرون در لايه مخفي جهت مدلسازي مقدار محتواي الکترون لايه يونوسفر (TEC) استفاده شده است. بدين منظور از 25 ايستگاه GPS شبکه ژئوديناميک کشور ايران در محدوده عرض جغرافيايي 24 الي 40 درجه و طول جغرافيايي 44 الي 64 درجه استفاده گرديده است. ارزيابي نتايج بدست آمده از شبکه عصبي مصنوعي مدلسازي شده براي اين منطقه توسط 1 ايستگاه تست GPS که مقادير محتواي الکتروني آن از قبل در دست بوده انجام گرفته است. به دليل اينکه ايستگاه مورد نظر مجهز به دستگاه اندازه گيري مستقيم دانسيته الکتروني بوده (دستگاه يونوسوند) و بصورت مستقل مي توان در موقعيت آن ايستگاه مقدار محتواي الکتروني را با دقت و صحت بالا بدست آورد، از اين ايستگاه براي تست نتايج استفاده شده است. مينيمم خطاي نسبي بدست آمده از اين ارزيابي 0.73 درصد و ماکزيمم خطاي نسبي 34.66 درصد مي باشد. همچنين جهت ارزيابي کارائي شبکه هاي عصبي مصنوعي در برآورد مقدار محتواي الکترون يونوسفر، در اين مقاله از يک چندجمله اي مرتبه 3 با 11 ضريب جهت مدلسازي TEC استفاده شده است. مقايسه مقادير خطاي نسبي محاسبه شده براي مدل چندجمله اي با مقادير خطاي نسبي بدست آمده براي شبکه عصبي، حاکي از برتري اين روش نسبت به مدل چندجمله اي در برآورد مقدار محتواي الکترون لايه يونسفر در اين منطقه است. تعداد نرونهاي لايه مخفي در شبکه عصبي و نيز مرتبه و تعداد ضرايب چند جمله اي مورد استفاده در اين مقاله بر اساس آزمون و خطا و با در نظر گرفتن مينيمم خطاي نسبي براي نتايج تعيين شده است.
      منبع:
      Hidden Content
      Give reaction or reply to this topic to see the hidden content.
      دانلود:
      Hidden Content
      Give reaction or reply to this topic to see the hidden content.
       

      Hidden Content
      Give reaction or reply to this topic to see the hidden content.
    • توسط admin
      مدل سازي ژئوئيد محلي دقيق با استفاده از داده هاي GPS، ترازيابي و تکنيک هاي هوش مصنوعي (مطالعه موردي شاهين شهر اصفهان)
      نویسندگان:  خضرايي سيدمحسن*, نفيسي وهاب, منجمي سيداميرحسن, عسگري جمال, اميري سيمكويي عليرضا
      با توجه به گسترش روزافزون استفاده از تکنيک هاي تعيين موقعيت ماهواره اي خصوصا GPS لزوم تعيين دقيق ژئوئيد با هدف جايگزيني اندازه گيري هاي ترازيابي با اندازه گيري هاي GPS در کاربردهاي ژئودتيک بر کسي پوشيده نيست. تقريب ژئوئيد با استفاده از داده هاي GPS/leveling به صورت محلي، در کنار مدل هاي موجود از قبيل مدل هاي ژئوپتانسيل و يا ژئوئيدهاي گراويمتري راهکاري پذيرفته شده است. اما سوال مهم سطح دقت قابل دسترس با استفاده از اين روش است. مواردي چون کيفيت داده ها و يا تکنيک مورداستفاده براي مدل سازي اين داده ها مي تواند در دقت ژئوئيد GPS/leveling تاثيرگذار باشد. در اين مقاله به ارزيابي روش هاي نوين محاسباتي مبتني بر يادگيري از جمله شبکه هاي عصبي مصنوعي (ANN) و سيستمهاي استنتاج فازي-عصبي تطبيقي (ANFIS) در مقايسه با روش استاندارد معادلات رگرسيون چندجمله اي چند متغيره (MPRE)، در مدلسازي ژئوئيد GPS/Leveling پرداخته شده است. اين ارزيابي در يک شبکه از ايستگاه هاي GPS و ترازيابي در شهرستان شاهين شهر اصفهان با ابعاد کوچکتر و توزيعي بسيار فشرده تر نسبت به مطالعات پيشين صورت گرفته و اين کيفيت داده ها مدلسازي ژئوئيد را با دقتي بهتر از 1 سانتيمتر ممکن ساخته است. نتايج نشان دهنده برتري چند ميلي متري مدل هاي ژئوئيد حاصل از ANN و ANFIS از نظر مجذور ميانگين مربعات خطاها و همچنين از نظر ضريب تشخيص است و به ترتيب RMSE=8 mm، R2=0.9949 و RMSE=7mm، R2=0.9964 براي اين مدل ها، در نقاط تست حاصل شده است. بنابراين مدل ژئوئيد حاصل از ANFIS دقيق ترين ارتفاع ژئوئيد را در سطح منطقه فراهم مي سازد.
      منبع:
      Hidden Content
      Give reaction or reply to this topic to see the hidden content.
      دانلود:
      Hidden Content
      Give reaction or reply to this topic to see the hidden content.
       

      Hidden Content
      Give reaction or reply to this topic to see the hidden content.


  • نظرسنجی درآمد سال 97   105 کاربر تاکنون رای داده است

    1. 1. درآمد شما در سال 97 در هر ماه چقدر بوده است؟


      • فاقد درآمد
      • کمتر از ماهی 500 هزار تومان
      • بین 500 هزار تا یک میلیون تومان
      • بین 1 تا 2 میلیون تومان
      • بین 2 تا 3 میلیون تومان
      • بین 3 تا 4 میلیون تومان
      • بین 4 تا 5 میلیون تومان
      • بین 5 تا 10 میلیون تومان
      • بین 10 تا 20 میلیون تومان
      • بیشتر از 20 میلیون تومان

    لطفا وارد حساب کاربری خود شوید یا ثبت نام نمایید تا بتوانید رای خود را در نظر سنجی ارسال نمایید. نمایش موضوع
  • آمارهای کاربران

    • کل کاربران
      7,706
    • بیشترین آنلاین
      3,517

    جدیدترین کاربر
    pedram72
    تاریخ عضویت
  • چه کسانی آنلاین هستند؟ (مشاهده لیست کامل)

  • کاربران

    • admin

      admin 1,499

      Administrators
      تاریخ عضویت :
      آخرین فعالیت :
    • hhay

      hhay 2

      Members
      تاریخ عضویت :
      آخرین فعالیت :
    • saital

      saital 1

      Members
      تاریخ عضویت :
      آخرین فعالیت :
    • kiani20090

      kiani20090 13

      Members
      تاریخ عضویت :
      آخرین فعالیت :
    • javad917

      javad917 71

      Members
      تاریخ عضویت :
      آخرین فعالیت :
    • askari36

      askari36 62

      Members
      تاریخ عضویت :
      آخرین فعالیت :
    • behzad.g

      behzad.g 35

      Members
      تاریخ عضویت :
      آخرین فعالیت :
    • Member

      Member 17

      Members
      تاریخ عضویت :
      آخرین فعالیت :
    • omidreza57

      omidreza57 9

      Members
      تاریخ عضویت :
      آخرین فعالیت :
    • BehrouzMoradi

      BehrouzMoradi 15

      Members
      تاریخ عضویت :
      آخرین فعالیت :

درباره ما

انجمن های گفتگوی ایران سازه ، وبسایت تخصصی مهندسی عمران

این انجمن ، نسخه جدید انجمن ایران سازه میباشد

Follow us

×