فهرست مطالب

نشریه علوم و فنون نقشه برداری
سال سوم شماره 3 (پیاپی 11، بهمن 1392)

  • تاریخ انتشار: 1392/11/23
  • تعداد عناوین: 9
|
  • علیرضا آزموده اردلان، روح الله کریمی، امیر عبادی* صفحه 1
    استفاده از معادلات انتگرالی در روش های تعیین ژئویید مانند وارون سازی تک مرحله ای بر مبنای مشتقات مرتبه اول انتگرال پواسن بیضوی برای انتقال شتاب گرانی در سطح زمین به پتانسیل گرانی بر روی بیضوی مرجع همواره مورد توجه ژئودزین ها بوده است. یکی از مشکلات عمده در حل عددی معادلات انتگرالی رزولوشن داده های ورودی است. در این پژوهش نشان داده شده است که رزولوشن مورد نیاز داده های ورودی گرانی در سطح زمین در وارون سازی تک مرحله ای به ارتفاع منطقه مورد محاسبه وابسته است، اما عکس این موضوع صادق نبوده و می تواند منجر به نتایج کاملا اشتباهی شود. هم چنین با مطالعه رفتار کرنل انتگرال کافی بودن رزولوشن داده های ورودی گرانی برای وارون سازی تک مرحله ای بررسی شده و از طریق تغییر کرنل انتگرال جهت غلبه بر تاثیر ناسازگار کمبود رزولوشن داده های ورودی گرانی استفاده شده که نوآوری این تحقیق می باشد. برای بررسی عددی روش فوق، داده های گرانی واقعی در منطقه ای در غرب ایران مورد آزمایش قرار گرفته است که نتایج آن حاکی از موفقیت روش پیشنهادی در حل مشکل کمبود رزولوشن داده های ورودی گرانی در روش وارون سازی تک مرحله ای است.
    کلیدواژگان: وارون سازی تک مرحله ای، انتگرال آبل پواسن، رزولوشن داده ها، مساله معکوس، تعیین ژئویید، کرنل اصلاح شده
  • بهزاد وثوقی، رویا محسنی دیبا* صفحه 13
    پاسخ به این سوال ضروری است که چگونه وقوع یک زمین لرزه ممکن است زمین لرزهای بعدی را به دنبال داشته باشد؟ وقوع زمین لرزه با گسلش یا شکست در پوسته زمین همراه است. بدین منظور بایستی معیار شکست در محیط الاستیک پوسته زمین یا همان معیار شکست کولمب مورد بررسی قرار گیرد. آنالیز تغییرات تنش کولمب در بسیاری از مناطق لرزه خیز جهان بکار گرفته شده است. این مطالعات نشان می دهند که مکان و سرعت وقوع زمین لرزه های بعدی متاثر از تغییرات تنش استاتیک ناشی از زمین لرزه های تاریخی در آن منطقه است. در این تحقیق اندر کنش تغییرات تنش کولمب مابین سیستم های گسلی در منطقه ایران مورد مطالعه قرار گرفته است. پارامترهای زمین لرزه های بالای 8/5 ریشتر رخ داده از سال 1900 تا سال 2001 در این منطقه به منظور محاسبه ی تنش کولمب از مراجع مختلف گردآوری شده اند. نتایج حاصله نشانگر وقوع بیش از 80 درصد زمین لرزه های رخ داده از سال 2001 تا 2013، در منطقه افزایش تنش کولمب ناشی از زمین لرزه های 100 سال گذشته به میزان 0.01 تا 5 بار است. همچنین محاسبه تغییرات تنش کولمب روی صفحات گسلی امتداد لغز، کششی و نرمال با هندسه بهینه نشان می دهند که گسل هایی که هم جهت با هندسه بهینه اند، در اثر افزایش تنش کولمب ناشی از زمین لرزه ها مستعد گسیختگی و ایجاد زمین لرزه می باشند و به عنوان مناطق پرخطر برای زمین لرزه های بعدی به شمار می آیند.
    کلیدواژگان: گسل فعال، معیار شکست کولمب، زمین لرزه، پیش بینی مکانی زمین لرزه
  • فرزانه دادرس جوان*، آلاله فلاح، حمید محمدی صفحه 27
    مدلسازی و تولید تصاویر اپی پولار با هدف تولید تصاویر نرمالی که در آنها نقاط متناظر در امتداد سطرهای یکسان قرار گرفته اند، در کاربردهایی که به تناظریابی تصاویر وابسته می باشند، نقشی کلیدی داشته و موجب افزایش کارایی، دقت و سرعت آنهامی گردد. از مهمترین این کاربردها می توان به مثلث بندی هوایی، تولید تصاویر متناظر، تولید مدل رقومی و تصاویر اورتو اشاره نمود. در مورد دو مثال آخر و به ویژه تولید مدل های رقومی در سال های اخیر با مطرح شدن روش های تولید مدل های رقومی متراکم و تناظریابی متراکم تصاویر و به ویژه تولید تصاویر اپی پولار جایگاه ویژه ای خواهد داشت. در این میان تصاویر ماهواره ای دارای ساختار آرایه ای به عنوان یکی از مهمترین منابع تولید مدل های رقومی مطرح می باشند. با توجه به پیچیدگی هندسه این تصاویر، تولید تصاویر اپی پولار آنها با مشکلاتیهمراه می باشد و در حقیقت می توان گفت هندسه مطرح در این سنجنده ها به جای خط مستقیم، منحنی اپی پولار تولید می کند. در این تحقیق روشی مبتنی بر تولید منحنی های اپی پولار به صورت تکه ای با استفاده از ضرایب رشنال در تصاویر ماهواره ای با قدرت تفکیک بالا مورد بررسی قرار گرفته است و نتایج نشان از بالا بودن دقت حاصل از این روش در تولید تصاویر اپی پولار دارند. هم چنین ضرایب رشنال برای تصویر تولید شده با استفاده از گرید زمینی تخمین زده شد که ارزیابی های انجام شده دقت بالای روش ارائه شده را تایید می نماید.
    کلیدواژگان: تصاویر ماهواره ای با قدرت تفکیک بالا، هندسه اپی پولار، ضرایب رشنال
  • زهرا اکبری، محمد کریمی*، محمد سعدی مسگری صفحه 41
    در این تحقیق، جهت سرعت بخشیدن به خرید و فروش املاک و راهنمایی خریداران در یافتن ملکی متناسب با شرایط و معیارهای شان، از سیستم توصیه گر دانش محور با قابلیت قیمت گذاری زمانمند املاک استفاده گردیده است. مدل قیمت در سیستم، با استفاده از روش هدانیک و رگرسیون وزن دار جغرافیایی تعیین و از طریق املاک فروخته شده در سیستم و به کارگیری مدل «واقعه مبنا» بروزرسانی می شود. با استفاده از این سیستم، کاربران علاوه بر امکان خرید و فروش سریع تر، می توانند از قیمت مناسب املاک نیز اطلاع یابند. برای تحقق هدف تحقیق، مشخصات 56 واحد آپارتمانی فروخته شده در شهریورسال 91 به منظور تعیین و تست مدل قیمت و مشخصات 50 واحد فروشی در مهر و آبان 91 برای تست سیستم توصیه گر، جمع آوری و در سیستم ثبت گردید. در نهایت، با بررسی نتایج ارائه شده به یک کاربر نمونه، صحت عملکرد سیستم توصیه گر مورد بررسی قرار گرفت.
    کلیدواژگان: سیستم توصیه گر دانش محور، رگرسیون وزندار جغرافیایی، قیمت گذاری زمانمند، مدل واقعه مبنا
  • منصور زینلی، حسن قاسمیان* صفحه 55
    طبقه بندی پیکسلهای مخلوط یکی از مشکلات مهم در تجزیه و تحلیل اطلاعات سنجش از دور است، که بدلیل کوچکتر بودن ابعاد پیکسلهای خالص از دقت مکانی سنجنده ها با توجه به محدودیتهای فن آوری یا هزینه ها ایجاد می شود. الگوریتمهای مختلفی برای تفکیک پیکسلهای خالص در یک پیکسل مخلوط با معیارحداکثر صحت پیشنهاد شده است. در این بررسی ها مسائل زیرپیکسلها در تصاویر بدو دسته تقسیم شده است: 1) تعیین درصد کلاس های خالص تشکیل دهنده یک پیکسل 2) تعیین محل آنها. در این مقاله پس از بررسی الگوریتمهای متداول در این زمینه و مشکلات پیشرو، الگوریتم جدیدی برای افزایش دقت مکانی تصاویرپیشنهاد خواهد شد، که سعی در برطرف کردن نقاط ضعف الگوریتمهای موجود دارد. در این الگوریتم یک جدول جستجوی مناسب با ادغام پیکسلهای اطلاعات ورودی ایجاد می شود. با تعریف یک معیار مناسب برای شباهت پیکسلها، برای هر پیکسل ورودی یک پیکسل مشابه در جدول جستجو پیدا می کنیم و نشان خواهیم داد این پیکسلهای مشابه از ساختار زیرپیکسلی یکسانی تشکیل شده اند. در این جستجو، از اطلاعات دامنه پیکسلها برای محاسبه نسبت زیرپیکسلها و از اطلاعات بافت پیکسلهای مجاور برای مکانیابی زیرپیکسلهای درون یک پیکسل مخلوط استفاده می شود. در انتها الگوریتم پیشنهادی بر روی داده های واقعی جهت افزایش دقت مکانی و طبقه بندی اطلاعات پیاده سازی شده و نتایج با طبقه بندی سخت مقایسه و ارائه شده است. نتایج شبیه سازی ها حداقل 15% بهبود ضرایب طبقه بندی در بازسازی پیکسلهای مخلوط نسبت به طبقه بندی سخت را نشان می دهند.
    کلیدواژگان: افزایش دقت مکانی، پیکسلهای مخلوط
  • الهه فردوسی*، فرهاد صمدزادگان صفحه 65
    با توجه به اینکه استفاده از پلاریزاسیون های مختلف امواج الکترومغناطیسی در تصویربرداری پلاریمتریک راداری اطلاعاتی غنی از جنبه های مختلف عوارض را فراهم می کند. امروزه تصاویر پلاریمتری به عنوان ابزار قوی و کارآمد در زمینه ی شناسایی عوارض مختلف در مناطق جغرافیایی پیچیده مورد توجه قرارگرفته اند. به منظور استخراج اطلاعات، طبقه بندی این تصاویر حائز اهمیت می-باشد. طبقه بندی کننده ی ماشین های بردار پشتیبان به سبب عملکردش بر مبنای ویژگی های هندسی و پایداری در فضا های با ابعاد بالا گزینه ی مناسبی در طبقه بندی تصاویر پلاریمتری محسوب می شود. اما عملکرد این طبقه بندی کننده به شدت تحت تاثیر پارامترهای در نظر گرفته شده برای آن می باشد. بنابراین به منظور به کارگیری طبقه بندی کننده ی ماشین های بردار پشتیبان با بیشترین کارآیی، می بایست مقادیر بهینه برای این پارامترها تعیین شوند. روش های بهینه سازی سنتی متداول به سبب مواجه شدن با پیچیدگی های محاسباتی در این فضاهای جستجوی بزرگ اغلب به بهینه های محلی همگرا می شوند. بنابراین به منظور بدست آوردن مقدار بهینه ی سراسری استفاده از الگوریتم های بهینه سازی فراابتکاری که از جستجوی سراسری همراه با جستجوی محلی بهره می گیرند، اجتناب ناپذیر است. در این مقاله توانایی الگوریتم های ژنتیک، زنبورها و توده ی ذرات به عنوان تکنیک های بهینه-سازی فراابتکاری قدرتمند، در تعیین مقدار بهینه ی پارامترهای ماشین های بردار پشتیبان ارزیابی شده است. مقایسه نتایج بدست آمده، توانایی بالای الگوریتم توده ی ذرات را در زمینه ی دقت طبقه بندی و سرعت همگرایی نشان می دهد.
    کلیدواژگان: ماشین های بردار پشتیبان، طبقه بندی، تصاویر پلاریمتریک راداری، انتخاب مدل، الگوریتم زنبورها، الگوریتم توده ی ذرات، الگوریتم ژنتیک
  • ارزیابی جامع دقت مدل رقومی ارتفاعی GDEM V2
    فاطمه علیدوست*، فرزانه دادرس جوان صفحه 75
    مدل های رقومی ارتفاعی، یکی از مهمترین داده های مکانی در کاربردهای مختلف از قبیل مطالعات هیدرولوژیکی، نقشه برداری توپوگرافی، تصحیح هندسی تصاویر، استخراج پارامترهای سطح زمین، مدیریت بلایای طبیعی و غیره هستند. مدل های رقومی ارتفاعی می توانند از طریق روش های مختلف و با دقت های ارتفاعی متفاوت به دست آیند. در روش های فتوگرامتری، این داده ها از زوج تصاویر ماهواره ای طی پردازش های زیادی حاصل می شوند. نسخه دوم مدل رقومی ارتفاعی جهانی به نام GDEM V2 مبتنی بر تصاویر ماهواره ای ASTER با قدرت تفکیک مکانی یک ثانیه کمانی است. تا کنون تحقیقات متعددی در کشورهای مختلف به منظور ارزیابی کیفی و تعیین پارامترهای دقت این مدل در مقایسه با سایر مدل های رقومی ارتفاعی مرجع و یا نقاط کنترل زمینی انجام پذیرفته است. در این مقاله، نتایج حاصل از ارزیابی دقت GDEM V2 با مدل رقومی ارتفاعی SRTM و یک مدل رقومی ارتفاعی محلی مربوط به منطقه ای در جنوب غربی ایران ارائه گردیده است. پارامترهای دقت برای ارزیابی اختلاف ارتفاع بین هر دو مدل رقومی ارتفاعی، بر اساس شاخص های متداول (میانگین خطا، جذر میانگین مربعات خطا، انحراف استاندارد) و شاخص های پایدار (میانه، انحراف مطلق نرمال شده ی میانه (NMAD)، چندک های نمونه) محاسبه می شوند. نتایج حاصل شده، وجود یک بایاس ارتفاعی منفی در حدود 4/5- متر و 2/8- متر را در مدل GDEM V2 به ترتیب نسبت به دو مدل SRTM و مدل محلی نشان می دهند. علاوه براین میانه خطای GDEM V2 نسبت به مدل محلی برابر 3/7- متر است که از میانه ی خطای این مدل نسبت به SRTM کمتر است (6- متر). جذر میانگین مربعات خطای اختلاف ارتفاعات در GDEM V2 نسبت به دو مدل SRTM و مدل محلی با هم برابر و حدود 8/3 متر است با این حال انحراف معیار خطای بین دو مدل GDEM V2 و مدل محلی کمی بیشتر از GDEM V2 و SRTM است. برای مقایسه ی بهتر دقت داده ها، از فاکتور NMAD استفاده می شود که مقدار آن برای مدل GDEM V2 نسبت به دو مدل محلی و SRTM به ترتیب 5/5 و 5/9 متر است. همچنین حدود 68% خطاهای مدل GDEM V2 در مقابل مدل محلی در بازه ی 0 تا 7/5 متر قرار دارد این در حالی است که این بازه برای اختلاف ارتفاع دو مدل GDEM V2 و SRTM برابر 0 تا 9 متر است.
    کلیدواژگان: ASTER GDEM V2، مدل رقومی ارتفاعی، دقت مطلق ارتفاعی، ASTER، قدرت تفکیک
  • محمد فرقانی*، فرشا حکیم پور صفحه 87
    امکان ذخیره ی تجربیات مکانی و انتشار آن بر روی بستر اینترنت را برای افراد به وجود آورده است. استفاده از این قابلیت در شبکه های اجتماعی تحت وب و در نظر گرفتن GPS تسهیل در دسترسی به تکنولوژی های مکان یابی مانند داده های مکانی به اشتراک گذاشته شده توسط کاربران، به عنوان یال های ارتباطی که کاربران یک شبکه ی اجتماعی را به لایه ی اطلاعات مکانی متصل می کند، شبکه های اجتماعی مکان مبنا را نتیجه می دهد. اضافه شدن بعد مکان در این شبکه ها باعث می شود که با ایجاد یک پل ارتباطی بین شبکه های اجتماعی مجازی و جهان واقعی، اطلاعات آنها به واقعیت نزدیک تر شود. شبکه های اجتماعی مکان مبنا به واسطه ی اخذ و به روز رسانی اطلاعات از کاربران خود در سراسر دنیا، منابع غنی برای داده کاوی و کشف اطلاعات محسوب می شوند. بر اساس این اطلاعات می توان سرویس های مختلفی را به کاربران ارائه کرد که هم می توانند باعث بهبود ساختار شبکه ی اجتماعی کاربران شوند و هم از نظر مکانی، خدمات مختلفی را به کاربران ارائه کنند. در این مقاله تلاش شد تا با مدل کردن اطلاعات پیشینه ی مکانی کاربران در یک چارچوب سلسه مراتبی و با استفاده از الگوریتم های داده کاوی، مکان ها و مسیرهای جذاب و کاربران خبره در یک محدوده ی جغرافیایی شناسایی و بر اساس آن یک سرویس توصیه گر مکانی- زمانی ارائه شود. در این سیستم با توجه به مکان و زمان پرس وجو و بر اساس اطلاعات به اشتراک گذاشته شده ی سایر کاربران، مکان هایی برای بازدید به کاربر مورد نظر پیشنهاد می شود.
    کلیدواژگان: شبکه ی اجتماعی مکان مبنا، داده کاوی مکانی، سیستم های توصیه گر
  • مهدی حسنلو*، فرهاد صمدزادگان صفحه 101
    با پیشرفت سنجنده های سنجش از دور طیفی با توانتفکیک طیفی بالا، تصاویر ابرطیفی ماهواره ای بطور وسیع به منظور نظارت بر سطح زمین به خدمت گرفته شده اند. بزرگی ابعاد این تصاویر نه تنها باعث افزایش پیچیدگی محاسبات گردیده بلکه باعث کاهش دقت طبقه بندی تصویر نیز شده است. کاهش ابعاد یکی از اصلی ترین روش ها در تصاویر ابرطیفی برای بهبود دقت طبقه بندی است. معمول ترین روش در کاهش ابعد انتخاب عارضه می باشد. بطور ایده آل کاهش نمایندگان یک مجموعه به کاهش ابعاد ذاتی آن مرتبط می شود. روش های مختلفی برای برآورد بعد ذاتی و نیز کاهش ابعاد در تصاویر ابرطیفی در منابع وجود دارد. در این مقاله به شرح و مقایسه پنج تکنیک برآورد بعد ذاتی پرداخته و کارایی این تکنیکها را به منظور طبقه بندی بانظارت تصاویر ابرطیفی بررسی و بحث کرده است. این تکنیکها شامل برآوردکننده مقدار ویژه(EV)، برآوردکننده بیشترین شباهت (ML)، برآوردکننده بعد همبسته (CD)، برآوردکننده عدد بسته بندی (PN) و کمترین گشترش درخت ژئودزیک (GMST) می باشد. روش طبقه بندی کننده نزدیکترین همسایگی (K-NN) به منظور طبقه بندی بانظارت مورد استفاده قرار گرفته است. تعداد زیادی از فواصل متریک در این طبقه بندی کننده مورد استفاده و مقایسه قرارگرفته است. پرکاربردترین روش های کاهش ابعاد مانند تحلیل مولفه اصلی (PCA) و تحلیل مولفه مستقل (ICA) در خروجی روش های برآوردهگر بکارگرفته شده است. این تحقیق نگاهی مقایسهای و مروری بر روش های برآورده گر داشته و نیز عارضه های باندی استخراج شده را به منظور طبقه بندی مورد استفاده قرار داده است.
    کلیدواژگان: تصاویر ابرطیفی، کاهش ابعاد، برآوردکننده بعد ذاتی، استخراج عوارض، طبقه بندی بانظارت
|
  • A. A. Ardalan, R. Karimi, A. Ebadi* Page 1
    Integral Equations such as one-stepinversion based on the first derivative of the ellipsoidal Poisson’s integral, for transformation of gravity values on theEarth’s surface to the gravity potential on the reference ellipsoid are used for geoid determination. One of the main problems in numerical solution of integral equations is the resolution of input data. In this study, we have shown that the required resolution of the input gravity data on the Earth’s surface for correct one-step inversion depends on the height of the computational region, the fact that if overlooked can cause totally wrong results. For detect that the resolution ofinput data is sufficient, we study the behavior of the integral kernel and change the integral kernel to overcome the adverse effect of insufficient resolution of the input gravity data are the novel contributions of the study. For numerical tests, we have choose a test area with real gravity data in the west of Iran and The numerical results approve the success of our proposed method to solve the problem of insufficient resolution of the input gravity data for correct one-step inversion.
    Keywords: one, step inversion, Abel poison integral, Data resolution, downward continuation, geoid determination, Modified kernel
  • B.Vosoghi, R. M. Diba* Page 13
    It is important to answer the question of how occurrence of an earthquake can trigger another? An earthquake happening is accompanied with fault or fracture in the earth's crust. For this purpose, it is necessary to examine failure criteria in elastic environment of earth’s crust that is Coulomb failure criteria. Coulomb stress change analysis has been applied in numerous seismically active regionsof the globe. These studies demonstrate categorically that the locations and rates of futureearthquakes are affected by the static stress changes due to nearby historicalearthquakes. In this study, Coulomb stress interaction between the fault systems in Iran has been studied. Parameters of earthquakes with magnitude above 6 that have occurred in this region from 1900 to 2001 have been collected from various sources in order to calculate Coulomb stress. The results indicate that more than 80% of the occurred earthquakes from 2001 to 2013 in the region of increased Coulomb stress caused by the past 100 years earthquakes have the rate of 0.01 to 5. Also, the calculation of Coulomb stress changes on the strike-slip, stretching and normal fault pages with optimized geometry shows that the faults which have the same direction as optimized geometry, are prone to rupture and cause earthquake as the results of increased Coulomb stress caused by earthquake and are considered as areas of high risk for future earthquakes.
    Keywords: active faults, Coulomb failure criteria, earthquake, spatial prediction
  • F. D. Javan*, A. Fallah, H. Mohammadi Page 27
    An ongoing challenge in highresolution satellite image (HRSI) processing has beenthe establishment of accurate epipolar geometry over the entire HRSI image area, which is a pivotal step of any stereo-image processing, including 3D topographic mapping. However, thepush broom camera which is used by most high-resolution satellites does not produce straight epipolar lines. Furthermore, in contrast to the well-known frame cameras, the epipolar curve pair does not exist for the entire stereo image area. Theseproperties make it difficult to establish the epipolar geometry of a push broom camera, resulting in a limited accuracy of the epipolar image resampling. In this study, a new method of epipolar curve pair determination and epipolar image resampling of space bornepush broom imagery, based on the popular RPC (Rational Polynomial Coefficients), is proposed.
    Keywords: Satellite images, Epipolar geometry, Rational Polynomial Coefficients
  • Z. Akbari, M. Karimi*, M. Saadimesgari Page 41
    The main goal of this research is to develop a knowledge-based recommendation system for real estate marketing. The system is capable of handling both spatial and attribute data of the properties. In general, there is no specific and stable relation between the parameters of the properties. In other words, we cannot extract any domain for the values of other parameters from the values of any given parameter. Therefore, the case-based method is used for the development of the recommendation system. The hedonic method is used for the property valuation and the geographical weighted regression method is used for extracting the coefficient of hedonic function. The valuation is based on the information of sold properties, considering different parameters such as construction year, number of building unit, frontage and distance from parks, schools, hospital, etc. In this system, information regarding for-sale properties are stored in the sale properties. Similarly the information regarding the preference and requirement of real estate buyers are stored in buyer profiles. Comparing this two, three of the most similar properties to the preferences of the buyer are recommended by the system. The system is tested using the information of sold properties in the “Vanak” region of district 3 of Tehran. Evaluation of the system, shows that the recommended properties are actually the most fitted ones to the requirement of the sample buyers.
    Keywords: knowledge, based recommender system, geographical weighted regression, temporal pricing, event, based
  • M. Zeinali, H. Ghassemian* Page 55
    Mixed pixels are one of the main problems in the remote sensing data classification. There are various reasons including limitations of sensor spatial resolution or costs of data acquisition that may cause the image accuracy to be less than desired quality. A similar problem may be in comparing different spatial resolution images of one scene. Increasing the spatial resolution in such cases is necessary. Different methods have been proposed to increase the spatial resolution with maximum accuracy. These studies considered proportion of subpixels and locating their positions. These methods and their problems will be examined in this study. Conventional methods are reviewed. And a new method for increasing the spatial resolution will be proposed to resolve some of the weaknesses of existing methods. This new algorithm is proposed for restoring subpixels in the hyper spectral images. This algorithm is based on mixture of pixels for creating a proper search table for restoring subpixels. The spatial and pattern properties of neighboring pixels are considered in this search. There is no need to use soft classification information. Testing algorithm on real data will show its performance and capability in remote sensing applications. Simulation results on real data show that proposed method can increase percentage of correction classification at least 15% relative to hard classification.
    Keywords: spatial resolution, change the image scale, the pursuit search
  • E. Ferdosi *, F. Samadzadegan Page 65
    Because of using the different polarization of electromagnetic wave in Polarimetric imagery، it provides a rich source of information from the several aspects of targets. Recently، Polarimetric images as a powerful and efficient tool have been interested to identify the various objects in the complex geographic areas. In order to extracting information، classification of Polarimetric image has an important effect. Support Vector Machines (SVMs) due to their operation based on geometrical characteristics and robustness in high dimensional space، are considered as a suitable case for classification of Polarimetric images. However، the performance of SVMs classifier is strongly influenced by its parameters. Therefore، the optimum values for SVMs parameters should be determined to achieve SVMs classifier with maximum efficiency. Traditional optimization techniques because of computational complexities in the large search space usually trap in local optimum. Thereby، it is inevitable to apply Meta -heuristic Algorithms which performe exploration and exploitation to obtain global optimum. In this paper، the potential of Genetic، Bees and Particle Swarm Optimization (PSO) Algorithms as powerfull techniques in determining the optimum SVMs parameters are evaluated. Comparing the results، demonstrates the superior performance of PSO Algorithm in terms of classification accuracy and speed of convergence.
    Keywords: Support Vector Machines, Classification, Polarimetric Image, Model Selection, Bees Algorithm, Particle Swarm Optimization Algorithm, Genetic Algorithm
  • Comprehensive Assessment of ASTER GDEM Ver2
    F. Alidoost*, F. D. Javan Page 75
    Digital elevation models (DEMs) are one of the most important data for various applications such as hydrological studies, topography mapping, image ortho rectification, 3D images generation, extraction terrain parameters, disaster management, and etc. A digital elevation model can be derived from numerous techniques with different elevation accuracies. In photogrammetric techniques, a DEM can be extracted from stereo satellite images through many processing steps. A satellite imagery based digital elevation model is called ASTER GDEM ver2 was released on 2011 at a spatial resolution of 1 arc-second. This model was evaluated by differencing with other reference DEMs in order to investigate the quality and accuracy parameters over different land cover types. In this paper, an accuracy assessment of ASTER GDEM ver2 dataset with SRTM and local elevation model over the bare area of a port in southwest of IRAN is presented. This study investigates DEM’s characteristics such as systematic error (bias), vertical accuracy and outliers for these three datasets. The accuracy measures for the assessment of the height differences between each DEMs can be calculated based on the usual (Mean error, Root Mean Square Error, Standard Deviation) and the robust (Median, Normalized Median Absolute Deviation, Sample Quantiles) descriptor. The results demonstrated that there is a large negative elevation bias of approximately -4.5 m and -2.8 m of ASTER GDEM ver2 against the SRTM and local DEM. The median of the differences between GDEM and local DEM is about -3.7 m which is a robust measure to prove the existence of systematic shift between the two data. The RMSE measured for elevation differences between GDEM and two other DEMs is same, but the standard deviation GDEM and local DEM differences are higher than the value of this parameter between GDEM and SRTM. The accuracy measures NMAD of GDEM against the local DEM and SRTM are 5.5 m and 5.9 m, respectively. On the other hand, about 68% of the GDEM and local DEMelevation differences are in [0, 7.5] m, while this values are in [0, 9] m for GDEM and SRTM elevation differences.
    Keywords: ASTER GDEM, Digital Elevation Models, Absolute Errors, NMAD, SRTM
  • M.Forghani*, F.Hakimpour Page 87
    The increasing availability of location-acquisition technologies like GPS has enabled people to record their location history and sharing it on internet. Using this capability in web based social networks and considering the shared spatio-temporal data as edge that connects users of social networks to spatial data layer, has resulted geo-social networks. The dimension of location brings social networks back to reality, bridging the gap between the physical world and online social networking services. With the huge amount of frequently updated information from all around the world, geo-socialnetworks are rich sources for data mining which can be used in providing different efficient location based services and improving user's social relations structure. In this paper we aim to mine interesting locations, attractive travel sequences and expert users in a given geospatial region according to multiple user's shared checkin data that has been modeled with a hierarchical uniform framework. At the end, by using discovered knowledge, a service that will offer location for visiting according to the user's spatio - temporal query has been represented.
    Keywords: Geo, Social Networks, Spatial Data Mining, Location Recommending Services
  • M.Hasanlou*, F. Samadzadegan Page 101
    By development of remote sensing sensors, hyperspectral remote sensing images are now widely available for monitoring the earth’s surface by using high spectral resolution and dimension. However, this large dimension not only increases computational complexity but also degrades classification accuracy. Dimensionality reduction is a major issue to improve the efficiency of the classifiers in hyperspectral images. The common ways for dimensional reduction is feature extraction. Ideally, the reduced representation has a dimensionality that corresponds to the intrinsic dimensionality of the data. There are a wide range of methods in intrinsic dimensionality estimation and dimensionality reduction of hyperspectral Images in literatures. In this paper, we discuss and compare five intrinsic dimensionality estimation (IDE) techniques for hyperspectral dimensionality reduction. We investigate the performance of these techniques for IDE on hyperspectral images, and compare their performances for supervised image classification purpose. These techniques include; Eigen value estimator (EV), Maximum likelihood estimator (ML), Correlation dimension estimator (CD), Packing number estimator (PN) and geodesic minimum spanning tree (GMST) estimator. The K-Nearest Neighbor (KNN) classifier used for supervised image classification. The variety of the distance metric was used and compared in this classifier. The most useful and practical methods for reduction of dimensionality Principal Component Analysis (PCA) and Independent Components Analysis (ICA) were used in output of these IDE techniques. This study presented a review and comparative study of techniques in IDE. Then feature bands used in supervised classification with variety in parameters usage.
    Keywords: Hyperspectral images, Dimension reduction, Intrinsic Dimension Estimation, Feature Extraction, Supervised Classification