فهرست مطالب
نشریه مهندسی نقشه برداری و اطلاعات مکانی
سال نهم شماره 4 (پیاپی 36، آذر 1397)
- تاریخ انتشار: 1397/09/09
- تعداد عناوین: 7
-
-
صفحات 1-10امروزه گسترش شهرها و زیرساخت های آن ها نظیر شبکه تاسیسات آب و گاز و مانند آن باعث گردیده سازمان ها به سمت یکپارچه سازی اطلاعات در قالب پایگاه های داده GIS حرکت کنند. پایگاه داده GIS می تواند به عنوان یک پایگاه داده ذخیره، بازیابی و تحلیل اطلاعات، کارآمد و موثر باشد. در این پایگاه داده مکانی داده های دارای اطلاعات مکانی و فضای هندسی بهینه سازی شده و قادر به نمایش اطلاعات هندسی مانند نقطه، خط، چندضلعی و ساختارهای پیچیده تر مانند پدیده های سه بعدی می باشند. یکی از بهترین راه های نمایش این اطلاعات، نمایش آنها به صورت سه بعدی است. سه بعدی سازی اطلاعات GIS با کمک نرم افزارهایی که برای این منظور طراحی گردیده دارای مشکلانی مانند حجم بالای این نرم افزارها، داشتن دانش و مهارت لازم برای کار با آن ها و قیمت خیلی بالای آن ها می باشد، همچنین در این نرم افزارها سه بعدی سازی به صورت دستی و توسط یک نفر انجام می شود. در این مقاله با ارائه یک راهکار جهت بهبود تجسم داده های GIS و استفاده و نمایش این داده ها توسط تکنولوژی واقعیت افزوده سعی در بهبود و تسهیل روش های معمول نرم افزارهای سه بعدی سازی اطلاعات GIS شده است. در این روش در گام نخست پایگاه داده GIS شامل داده های ورودی که از نقشه های CAD و اطلاعات توصیفی تشکیل شده تولید می شود. در ادامه اطلاعات مورد نیاز جهت ساخت مدل سه بعدی از پایگاه داده استخراج و سپس با کمک کتابخانه Open Inventor و براساس گراف صحنه مدل سه بعدی اطلاعات تولید می گردد. درنهایت مدل سه بعدی تولید شده توسط این روش به کمک نرم افزار واقعیت افزوده طراحی شده برای این منظور، به نمایش گذاشته می شود. مدل تولید شده در این روش دارای حجم بسیار کمتری نسبت به مدل های تولید شده به روش های معمول می باشد، همچنین این روش مدل سه بعدی را اتوماتیک تولید میکند برای همین مزیت دیگر این روش سهولت استفاده از آن برای هر نوع کاربری بدون در نظر گرفتن دانش خاص در خصوص سه بعدی سازی اطلاعات GIS می باشد. امروزه گسترش شهرها و زیرساخت های آن ها نظیر شبکه تاسیسات آب و گاز و مانند آن باعث گردیده سازمان ها به سمت یکپارچه سازی اطلاعات در قالب پایگاه های داده GIS حرکت کنند. پایگاه داده GIS می تواند به عنوان یک پایگاه داده ذخیره، بازیابی و تحلیل اطلاعات، کارآمد و موثر باشد. در این پایگاه داده مکانی داده های دارای اطلاعات مکانی و فضای هندسی بهینه سازی شده و قادر به نمایش اطلاعات هندسی مانند نقطه، خط، چندضلعی و ساختارهای پیچیده تر مانند پدیده های سه بعدی می باشند. یکی از بهترین راه های نمایش این اطلاعات، نمایش آنها به صورت سه بعدی است. سه بعدی سازی اطلاعات GIS با کمک نرم افزارهایی که برای این منظور طراحی گردیده دارای مشکلانی مانند حجم بالای این نرم افزارها، داشتن دانش و مهارت لازم برای کار با آن ها و قیمت خیلی بالای آن ها می باشد، همچنین در این نرم افزارها سه بعدی سازی به صورت دستی و توسط یک نفر انجام می شود. در این مقاله با ارائه یک راهکار جهت بهبود تجسم داده های GIS و استفاده و نمایش این داده ها توسط تکنولوژی واقعیت افزوده سعی در بهبود و تسهیل روش های معمول نرم افزارهای سه بعدی سازی اطلاعات GIS شده است. در این روش در گام نخست پایگاه داده GIS شامل داده های ورودی که از نقشه های CAD و اطلاعات توصیفی تشکیل شده تولید می شود. در ادامه اطلاعات مورد نیاز جهت ساخت مدل سه بعدی از پایگاه داده استخراج و سپس با کمک کتابخانه Open Inventor و براساس گراف صحنه مدل سه بعدی اطلاعات تولید می گردد. درنهایت مدل سه بعدی تولید شده توسط این روش به کمک نرم افزار واقعیت افزوده طراحی شده برای این منظور، به نمایش گذاشته می شود. مدل تولید شده در این روش دارای حجم بسیار کمتری نسبت به مدل های تولید شده به روش های معمول می باشد، همچنین این روش مدل سه بعدی را اتوماتیک تولید میکند برای همین مزیت دیگر این روش سهولت استفاده از آن برای هر نوع کاربری بدون در نظر گرفتن دانش خاص در خصوص سه بعدی سازی اطلاعات GIS می باشد.کلیدواژگان: واقعیت افزوده، سه بعدی سازی، GIS، Open Inventor
-
صفحات 11-24بررسی همزمان مسطحاتی و ارتفاعی تغییر شکل پوسته زمین یکی از دستاورد های روش های جدید تعیین موقعیت می باشد. این امکان در کنار سری زمانی ایستگاه های دائمی GPS درک هرگونه تغییر شکل پوسته در راستاهای مختلف را تسهیل می کند. در این مقاله از سری های زمانی 19 ایستگاه دائمی GPS در منطقه ی واشینگتن استفاده شده است. با برازش یک ترند خطی و q سیگنال پریودیک به این سری ها،نرخ جابه جائی ها در سه راستا برآورد شدند. طبق نتایج،دقت برآورد نرخ جابه جایی های مسطحاتی5/3برابر بهتر از مولفه ارتفاعی است. نرخ ها کمیت هائی وردا هستند از این رو از آنها به عنوان ورودی به مدل آیزوپارامتریک استفاده شد تا به کمیت های ناوردائی دست یافت که بتوانند تفسیر صحیح از رفتار های تکتونیکی منطقه ارائه دهند. با استفاده از شرط پیکارد و افزودن نویز به مشاهدات، ناپایداری مسئله در این مورد مطالعاتی اثبات گردید. برای پایدار سازی از دو روش تیخونوف و TSVD استفاده شد. درروش TSVD ،Truncation Number عدد 5 در نظر گرفته شد و تنها کوچکترین مقدار سینگولار حذف شد. در مدل تیخونوف نیز پارامتر های پایدارسازی بین 002/0 و 61/0 برآورد شدند. با ادامه روند محاسبات شاهد اختلاف در نتایج بین حالت دو بعدی و سه بعدی پایدار شده با تیخونوف یا TSVD هستیم. برای مثال کمیت فشارش در حالت سه بعدی پایدار شده با روش TSVD، 5 برابر حالت دو بعدی است. بخشی از این میزان اختلاف می تواند ناشی از در نظر نگرفتن مولفه ارتفاعی در بررسی تغییر شکل به صورت دو بعدی باشد و بخش دیگر می تواند نتیجه ی بایاس ناشی از پایدارسازی باشد.کلیدواژگان: سری های زمانی، ناپایداری مسئله، شرط پیکارد، فشارش، روش تیخونوف و TSVD
-
صفحات 25-36شوری خاک یکی از بحران های زیست محیطی جدی و از معضلات کشاورزی در مناطق خشک و نیمه خشک محسوب می شود. پایش و ارزیابی این پدیده در مناطق تحت تاثیر، در سنجش ازدور اپتیکی با محدودیت هایی همراه و توام با نتایج ضعیف بوده است. استفاده از پتانسیل سنجش ازدور راداری با توجه به حساسیت سیگنال به ویژگی های دی الکتریک عارضه می تواند گامی موثر در تشخیص این پدیده در مناطق تحت تاثیر باشد. ارزیابی ثابت دی الکتریک که از ویژگی های ذاتی سطح به شمار می آید به عنوان عامل تعیین کننده بازپراکنش داده های راداری و برای مدلسازی آن مورد توجه است. بر این اساس این پژوهش با بررسی رفتار ثابت دی الکتریک، اقدام به مدلسازی بازپراکنش رادار در نواحی تحت تاثیر شوری نموده است. مدل نیمه-تجربی ونگ مورد استفاده قرار گرفت تا تغییرات شوری و رطوبت در فرکانس های مختلف برای انواع بافت خاک در قسمت حقیقی و موهومی ثابت دی الکتریک بررسی شود. همچنین از دو مدل نیمه- تجربی Dubois و Oh جهت تخمین بازپراکنش تصاویر ماهواره سنتینل-1 در دو قطبش عمودی-افقی و عمودی-عمودی استفاده شد تا با مقایسه آن با مقادیر بازپراکنش تصویر سنتینل-1 کارایی مدل های پیش بینی مورد آزمایش قرار گیرد. نتایج این پژوهش نشان می دهد قسمت حقیقی ثابت دی الکتریک متاثر از رطوبت بافت خاک است و تغییر آن می تواند باعث افزایش 50 واحدی آن گردد. قسمت موهومی نیز متاثر از رطوبت و شوری می باشد و موجب تغییر آن تا 40 واحد می گردد. همچنین افزایش فرکانس موجب کاهش محسوس ثابت دی الکتریک در قسمت حقیقی و موهومی می گردد که لزوم استفاده از فرکانس های پایین را در تشخیص شوری خاک آشکار می کند. نتایج به دست آمده از دقت مدل های بازپراکنش میزان RMSE=2. 9554, Bias=-1. 5138 را از مدل Dubois و RMSE=2. 0704, Bias=0. 9839را برای مدل Oh در زمین های متاثر از شوری بیان می کند که بیانگر پتانسیل بالای این مدل ها جهت تخمین بازپراکنش در زمین های با خاک شور است.کلیدواژگان: سنجش ازدور راداری، ثابت دی الکتریک، مدلسازی بازپراکنش، شوری، رطوبت
-
صفحات 37-49مدلسازی پدیده های مکانی مانند رشد و توسعه شهری یکی از اهرم های موثر در حوزه سیاست گذاری های شهری، تصمیم گیری ها و مدیریت منابع طبیعی است، زیرا تغییرات صورت گرفته حاصل تعامل انسان و محیط اطراف می باشد و موجب تاثیر بر اکو سیستم و تهدید منابع حیاتی مورد نیاز انسان می شود. در ارتباط با مدلسازی توسعه شهری مطالعات متعددی صورت گرفته است. مدل های شبیه سازی مکانی ابزاری برای شبیه سازی به منظور حل مسائل واقعی در چارچوب جغرافیاست. دو نمونه شاخص از مدل های شبیه سازی مکانی که هم اکنون نیز در بسیاری از تحقیقات و تصمیم گیری ها به عنوان ابزاری کارآمد مورد استفاده قرار می گیرد، روش های اتوماتای سلولی و عامل مبنا هستند. هدف این تحقیق بررسی عملکرد این دو روش در زمینه پیش بینی و توسعه فیزیکی شهری است. برای این منظور، شبیه سازی دو مدل فوق الذکر برای شهر زنجان بین سال های 2005 تا 2015 صورت گرفت. معیار در نظر گرفته شده جهت سنجش میزان دقت مدل ارائه شده، شاخص کاپا و دقت کلی است که برای مدل اتوماتای سلولی به ترتیب 04/71 و 5/96 و برای مدل عامل مبنا به ترتیب 09/74 و 01/97 محاسبه گردید. این نتایج بیانگر آن است که مدل های ارائه شده در این پژوهش توسعه شهر را با دقت مناسبی پیش بینی می کنند. از طرفی می توان نتیجه گرفت با وارد کردن تاثیرات روابط اجتماعی افراد در جامعه توسط الگوریتم PSO در مدل عامل مبنا و رگرسیون منطقی در مدل اتوماتای سلولی بر دقت مدل ها می افزاید و پیش بینی ها تطابق بیشتری با واقعیت دارند.کلیدواژگان: مدلسازی، توسعه شهری، شبیه سازی، مدل اتوماتای سلولی، مدل عامل مبنا، زنجان
-
صفحات 51-66یکی از پدیده های رایج در مناطق خشک و نیمه خشک و در عرضهای جغرافیایی نیمه گرمسیری [1] طوفان گرد و غبار است. در چند سال اخیر بر شدت و فراوانی این طوفان ها در این منطقه افزوده شده است و این پدیده با ایجاد وقفه در فعالیت های اجتماعی و اقتصادی خسارات هنگفتی به جامعه وارد کرده است. با گسترش علم و فناوری های جدید مانند سنجش ازدور، و سیستم اطلاعات مکانی با مدلسازی عددی و محاسباتی کمک شایانی در جهت شناخت ابعاد مختلف مشکلات زیست محیطی پدیده ها از جمله گرد و غبارداشته است. مطالعه حاضر مروری بر تکنیک های جمع آوری اطلاعات، داده ها مورد نیاز و مدل های پیش بینی گرد و غباربرای ارزیابی زمانی و مکانی گرد و غبار ارائه گردید. ترکیب مدل ها و روش های مختلف پیش بینی گرد و غبار در ارتباط با GIS رویکرد سیستماتیک یافته است. نتایج نشان داد مدل هایDEAD, GOCART در مقیاس جهانی مناسب می باشند و برای ایران توصیه نمی شود. پس از آن برای نمونه مدل عددی HYSPLIT در منطقه اهواز اجرا گردید که نشانده منشا گرد و غبار از کشور عراق و سوریه بود.کلیدواژگان: طوفان گرد و غبار، سنجش از دور، سیستم اطلاعات مکانی، مدل های عددی، مدل HYSPLIT
-
صفحات 67-77مسئله ی تهیه نقشه واحدهای زمین شناسی در طی یک روند رو به بهبود ، امروزه به نقطه ای رسیده است که آشکارسازی و طبقه بندی واحدهای زمین شناسی به کمک سنجش از دور ابرطیفی انجام می شود. در این پژوهش با استفاده از تصویر فراطیفی سنجنده هایپریون، مربوط به منطقه خرم آباد واقع در استان لرستان ، و به کارگیری الگوریتم های طبقه بندی نظارت شده Spectral Angle Mapper و Binary Encoding Classification در تشخیص و تفکیک واحدهای زمین شناسی صورت گرفته است. پس از انجام پیش پردازش های لازم، تبدیلMNF و الگوریتم PPIبه ترتیب برای کاهش داده و استخراج پیکسل های خالص بر روی تصویر اعمال شد. از همپوشانی پیکسل های خالص با واحدهای زمین شناسی و داده های زمینی ، طیف میانگین برای هر عضو استخراج گردید سپس این اعضای خالص به عنوان ورودی جهت الگوریتم های ذکر شده فوق استفاده و طبقه بندی تصویر صورت پذیرفت. بررسی های میدانی انجام شده و نمونه برداری های زمینی (در نقاط ارائه شده توسط روش نقشه بردار زاویه طیفی و BEC) موید برتری روش SAM در تفکیک واحدهای زمین شناسی است. در نهایت با بررسی صحت الگوریتم ها از طریق محاسبه ماتریس خطا ، دقت طبقه بندی هر روش به ترتیب برای SAM (68/83) و (32/60) BEC، مشخص گردید که در پایان الگوریتم SAM با دقت کلی 68/83به عنوان بهترین الگوریتم طبقه بندی معرفی گردید.کلیدواژگان: تصاویر فراطیفی، واحدهای زمین شناسی، اعضای خالص، SAM، BEC، MNF
-
صفحات 79-88از تصاویر ابرطیفی همواره در حوزه های مختلفی مانند کشاورزی، زمین شناسی و معدن، مدیریت شهری، نظامی، شناسایی اهداف و… استفاده است. طبقه بندی که یکی از مهم ترین شاخه ها از الگوریتم های پردازشی داده های ابرطیفی است که به طور سنتی با اطلاعات طیفی انجام می شود. تحقیقات گوناگون نشان داده است که استفاده از ویژگی های مکانی تصویر در کنار ویژگی های طیفی موجب می شود دقت طبقه بندی به میزان چشمگیری افزایش پیدا کند. در این تحقیق روشی به منظور طبقه بندی طیفی-مکانی تصاویر ابرطیفی گسترش داده شده است. در این روش پس از یک مرحله استخراج ویژگی بر مبنای روش کسر نویز کمینه (MNF) ، از چند مولفه اول تولید شده، ویژگی های گشتاور هندسی تصویر در مرتبه ها و ابعاد گوناگون پنجره تحلیل تولید می شود. در مرحله بعد، این ویژگی ها در کنار ویژگی های طیفی قرار گرفته و از الگوریتم ژنتیک به منظور انتخاب ویژگی های مناسب برای طبقه بندی استفاده می شود. در نهایت نیز پس پردازشی بر مبنای فیلتر رای اکثریت به منظور حذف پیکسل های اشتباه در هر کلاس و هموارسازی برچسب ها و افزایش دقت طبقه بندی انجام می شود. استفاده از تبدیل MNF به منظور تولید ویژگی های گشتاور هندسی تصویر، استفاده از الگوریتم ژنتیک به منظور انتخاب ویژگی های طیفی-مکانی و پس پردازش مبتنی بر فیلتر رای اکثریت از جمله ی نوآوری های این مقاله است. نتایج پیاده سازی بر روی یک تصویر ابرطیفی واقعی از مناطق نیمه-شهری کشاورزی نشان می دهد که الگوریتم پیشنهادی این تحقیق در مقایسه با روش معمول می تواند دقت طبقه بندی را تا حدود 40 درصد افزایش دهد.کلیدواژگان: طبقه بندی، ابرطیفی، گشتاور تصویر، الگوریتم ژنتیک، کسر نویز کمینه، پس پردازش، فیلتر رای اکثریت
-
Pages 1-10Today, the expansion of cities and their infrastructures, such as the network of water and gas facilities and like that, has led companies to move towards information integration in the form of GIS databases. GIS can be efficient and effective as a database for storing, retrieving and analyzing information. One of the best ways to display this information is to display them in 3D. Trivializing GIS information with the help of software designed for this purpose has problems such as the big size of this software, having the knowledge and skills to work with them. In this paper, by providing a solution to improve the visualization of GIS data, the use and display of these data is facilitated by augmented reality technology. The proposed approach in this paper is to extract the information needed to build a 3D model from the GIS database and then generate a 3D model with the help of the Open Inventor library. The model produced in this method is much smaller than the models produced in the usual way of GIS information 3D design software. Then the 3D model produced by this method is displayed with the help of the augmented reality software that designed for this purpose. The advantage of this method is the ease of use for any kind of user, and there is no need to have any specific knowledge about the three-dimensional GIS information.Keywords: Augmented Reality, 3D Modeling, GIS, Open Inventor
-
Pages 11-24The simultaneous analysis of the horizontal and vertical of the Earth's crust is one of the achievements of new methods of positioning. This possibility, along with the time series of the GPS permanent stations, makes it easy to understand any changes in the shape of the crust in different directions. In this paper, 19 permanent GPS stations in the region of Washington have been used. By fitting a linear Trend and q periodic signal to these series, the displacement rates were estimated in three directions. According to the results, the accuracy of the horizontal displacement rate is 3.5 times better than the vertical component. Rates are invariant quantities, hence they are used as inputs of the iosoparametric model to provide an accurate interpretation of the tectonic behavior of the region. Using the Picard condition and adding noise to observation, the instability of the problem was proved in this case. TSVD and TSVD were used for stabilization. In TSVD mode, Truncation Number was considered as 5, and only the smallest amount of singular solubility was eliminated. In the Tikhonov model, the stabilization parameters were estimated between 0.022 and 0.61. With the continuation of the calculation process, we see a difference in the results between the two-dimensional and 3D-stabilized. Part of this difference can be due to the fact that the vertical component is not considered, and the other part can be the result of the bias due to the stabilization.Keywords: Time Series, TSVD, Picard Condition
-
Pages 25-36Soil salinity is one of the serious environmental hazard and agriculture problems in arid and semiarid areas. Monitoring and assessing this phenomenon in affected areas is restricted and has been associated with poor results in optical remote sensing. Using potential of radar remote sensing can be effective approach for detecting salinization in salt affected areas due to the sensitivity of signal to dielectric properties of the target. The dielectric constant, which is considered as inherent characteristics of the surface, impacts the radar backscattering coefficient and is an important factor for simulating the radar backscattering coefficient. This paper deals with modeling the backscattering coefficient of salt affected soils by evaluating its dielectric constant behavior. For this purpose, semi-empirical model, which proposed by Wang were used and dielectric constant was estimated in both real and imaginary parts, as a function of salinity and volumetric soil moisture content for different types of soil texture in different frequencies. We also used two backscattering models, Dubois and Oh, to simulate backscattering coefficient of the Sentinel-1 data in VV and VH polarization. The results showed that real part of dielectric constant is influenced by soil moisture and increases with amount of water content up to 50. Imaginary part is also influenced by both salinity and moisture content and increase up to 40. The results also indicated that both real and imaginary parts of dielectric constant decrease sharply with increasing frequency, which reveal the necessity of using low frequencies to detect salt affected soils due to its higher sensitivity to salinity and moisture content in these frequencies. Evaluating the results of simulating the backscattering coefficients in VV and VH polarization, showing the RMSE=2.9554, Bias=-1.5138 for Dubois model in VV polarization and RMSE=2.0704, Bias=0.9839 for Oh model in VH polarization. It can be concluded that used models have great potential for modeling radar backscattering in salt affected soils.Keywords: Radar Remote Sensing, Dielectric Constant, Modeling the Backscattering Coefficient, Salinity, Moisture
-
Pages 37-49Modeling of geospatial phenomena such as urban growth and development is one of the most effective approaches in the field of urban policy, decision making, and natural resource management. Because the changes have been happened due to the interaction between human being and the environment. It affects the ecosystem and will be a threatens for human vital resources as well. Several studies have been accomplished in urban development modeling. Spatial simulation models are a simulation tool for solving real problems in the geographic framework. Two main spatial simulation models are cellular automata and agent-based modeling, which also have been used in many research and decision making as efficient tools. The aim of this study is to examine the performance of these two methods in the field of urban forecasting and physical development. For this purpose, the simulation of the above mentioned models have performed for Zanjan city between 2005 and 2015. Kappa index and overall accuracy has been considered as measuring the accuracy of the proposed models, calculated 71.44% and 96.5% for cellular automata and 74.09% and 97.01% for agent-based model. The results indicated that the models used in this study have ability to predict the development of the city with satisfactory precision. Moreover, it is concluded that the accuracy of the modeling will increase and the predictions will be closer to reality with considering social relational effects of the people in the society by adding PSO algorithm in agent base model and logical regression in cellular automata model.Keywords: Modeling, Urban Development, Simulation, Cellular Automata model, Agent-Based Model, Zanjan
-
Pages 51-66One of the most common phenomena in arid and semi-arid regions is the dust storm in the subtropical geographic latitudes. In recent years, the intensity and frequency of these storms have increased in this area, and this phenomenon has caused massive damage to the communites by interrupting social and economic activities. by developing of new science and technologies such as remote sensing, and geospatial information systems, numerical and computing modeling has been helped to understand the different aspects of environmental problems, such as dust. This study reviews the techniques of data collection, data factors and dust prediction models needed to evaluate the spatial and temporal dust phenomenon. Different models of dust forecasting in relation to GIS have a systematic approach. The results showed that DEAD, GOCART models are suitable on a global scale and are not recommended for Iran. After that, a HYSPLIT numerical model was implemented in the Ahwaz region, indicating the source of dust from Iraq and Syria.Keywords: Dust Storms, Remote Sensing, Geospatial Information System, Numerical Models, HYSPLIT Model
-
Pages 67-77The issue of mapping geological units during an evolving process has now reached a point where the detection and classification of geological units is carried out with the help of hyperspectral sensing. In this study, using hyperspectral image of Hyperion sensor, related to Khorramabad area in Lorestan province, using Spectral Angle Mapper and Binary Encoding Classification algorithms for detecting and separating geological units. After performing the necessary preprocesses, the MNF conversion and the PPI algorithm were applied, respectively, to reduce data and extract pure pixels on the image, respectively. From the overlapping of pure pixels with geological units and ground data, the average spectrum for each member was extracted. Then, these net members were used as inputs for the above-mentioned algorithms and image classification was performed. Field surveys and ground sampling (at the points provided by the spectral angle scanners and BEC) confirm the superiority of the SAM method in separating geological units. Finally, by checking the correctness of the algorithms by calculating the error matrix, the accuracy of the classification of each method for sam (68.83) and BEC (32.60) respectively, revealed that at the end of the algorithm SAM with a total accuracy of 68.83 was introduced as the best classification algorithm.Keywords: BEC , SAM , MNF, Geological Units, Pure Members, Hyperion Image
-
Pages 79-88Hyperspectral images are widely used in various fields such as agriculture, geology and mining, urban management, military, target detection. Classification is one of the most important fields of hyperspectral data processing which traditionally performed with spectral features. Various studies have shown that the use of spatial features along with spectral features can increase the accuracy of the classification. In this research, a method has been developed for the spatial-spatial classification of hyperspectral images. In this method, after a feature extraction step based on the minimum noise fraction (MNF) method, the geometric moments as spatial features are generated from first few MNF components in the different window seizes. In the next step, these features are stacked with spectral features and genetic algorithm is used to select the appropriate combination. Finally, a majority voting filter is used in order to remove the wrong pixels in each class, and increasing the homogeneity of labels and classification accuracy. Using the MNF transform to generate geometric moment features of the image, the use of genetic algorithm for selecting appropriate spectral-spatial features and post-processing step based on the majority voting filter are the innovative points of this paper. The results of the implementations on a real hyperspectral image from the semi-urban agricultural area named Indian Pines show that the proposed algorithm can reach the classification accuracy above 94% which is 40% better than conventional method.Keywords: Classification, Hyperspectral, Geometric Moments, Genetic Algorithm, Minimum Noise Fraction, Post-Processing, Majority Voting Filter
©2000-2024 magiran.com All Rights Reserved.