این فایل توسط یکی از اساتید برترسنجش از دور ایران جناب آقای پروفسور دکتر علی اکبر رسولی استاد دانشگاه تبریز تهیه گردیده است و به معرفی و تفهیم این فن آوری و کاربرد آن در شناسایی ناهنجاری های محیطی می پردازد.
یکی از روش های رقومی پر کاربرد استخراج اطلاعات از تصاویر ماهواره ای طبقه بندی می باشد. منظور از طبقه بندی اطلاعات ماهواره ای ، تفکیک مجموعه های طیفی مشابه و تقسیم بندی تصاویر به گروه ها یا طبقاتی است که در هر طبقه، طیف ها با یک ارزش واحد قرار می گیرند.(زبیری ، 1385).اساس کار طبقه بندی اطلاعات، بر مقایسه ارزش طیفی پیکسل های تصویر با نمونه هایی است که مفسر آن ها را معرفی کرده یا با کلاس ها یا با طبقات اولیه ای است که به طور خودکار هنگام تفسیر رقومی، تشکیل می شوند. به این ترتیب ، پیکسل هایی که ارزش طیفی آن ها از نظر آماری، اختلاف معنی داری ندارند، در یک گروه یا طبقه طیفی قرار می گیرند. به طور کلی برای طبقه بندی اطلاعات ماهواره ای از دو روش اصلی استفاده می شود که عبارتند از طبقه بندی با نظارت [1]و طبقه بندی بدون نظارت
طبقه بندی بدون نظارت
در روش نظارت نشده با توجه به مفاهیم ریاضی طبقه بندی تصویر براساس تجزیه و تحلیل خوشه ای به صورت خودکار انجام می پذیرد. در این نوع طبقه بندی کاربر می تواند در حد معرفی تعداد کلاس ها و نیز تعداد دفعات تعداد الگوریتم برای کلاس بندی، در انجام عملیات دخالت داشته باشد. از مقایسه طبقات طیفی تفکیک شده با مدارک و نقشه های مشابه ، طبقات مورد نظر شناسایی می شوند و حتی در برخی از موارد که مدارکی برای شناسایی چنین مناطقی در اختیار نیست ، با بازدیدهای میدانی شناسایی پدیده انجام می شود.
طبقه بندی با نظارت
در طبقه بندی نظارت شده، کاربر با توجه به شناخت و آگاهی از عوارض و پدیده های زمینی مناطقی را به عنوان نواحی آموزشی (Training Areas) مشخص می سازد ، پس از آن برنامه ی رایانه ای با تجزیه و تحلیل آماری ارزش ها و پیکسل های موجود در هر کلاس وبا توجه به الگوریتم مشخص شده ، تک تک پیکسل های موجود در تصاویر را با اطلاعات آماری همه کلاس ها مقایسه کرده وبرای هریک در تصویر خروجی مقداری را بر می گزیند. و هر پیکسل را در نهایت به یکی از نمونه های معرفی شده نسبت می دهد . به جز تعداد اندکی که در هیچ طبقه ای جا نمی گیرند. مهم ترین الگوریتم هایی که در روش نظارت شده مورد استفاده قرار می گیرند عبارتند از نزدیک ترین فاصله از میانگین، شبکه های موازی ، استفاده از حداکثر احتمال و نگاشت زاویه طیفی (رضایی، 1388).
استفاده از حداکثر احتمال(Maximum Likelihood)
در این روش میزان کمی واریانس و هم بستگی ارزش های طیفی باند های مختلف برای مناطق نمونه محاسبه می شود و از همین خاصیت برای ارتباط یک پیکسل طبقه بندی نشده به یکی از گروها یا نمونه های طیفی نیز استفاده می شود. به بیان دیگر، برای بررسی نحوه توزیع ارزش های طیفی و احتمال آماری ارتباط یک پیکسل با یکی از گروه های نمونه، از ماتریس واریانس و بردار میانگین، که خود، واریانس و هم بستگی ارزش های طیفی را تعریف می کنند استفاده می شود. این روش از سایر روش های موجود برای طبقه بندی دقیق تر است(زبیری و مجد ، 1380).
با توجه به شکل ( 3-8) سطوح مورد بیضوی مورد نظر،وضعییت تعلق یک پیکسل به یک گروه طیفی خاص را مشخص می کند وبه تعبیری، در این روش از عوامل آماری واریانس و هم بستگی استفاده می شود .
پس پردازش و ارزیابی دقت طبقه بندی
در حین اجرای طبقه بندی با نظارت و بعد از اتمام آن، به طرق مختلف می تواند صحت طبقه بندی ویا مراحلی به وسیله مفسر به اجرا در آمده است آگاهی یافت. در مورد طبقه بندی بدون نظارت ، معمولا بعد از اتمام طبقه بندی، با مشاهده تصویر طبقه بندی شده و مقایسه آن با مدارکی که می توانند به شناسایی پدیده های تفکیک شده و صحت آنها کمک کنند ، می توان به صورت مشاهده به میزان درستی طبقه بندی پی برد یا با اجرای روش های نمونه گیری و کنترل زمینی، دقت طبقه بندی را براورد کرد.
طبقه بندی:
طبقه بندی تصویر، یکی از مولفه های اصلی فرآیند استخراج اطلاعات موضوعی است که از طریق بررسی رابطه بین اثر طیفی و کلاسها یا طبقات مختلف حاصل میشود(.(Oommen, 2008
در حقیقت فرآیند طبقه بندی تصویر، تبدیل داده ها به اطلاعات قابل درک است .(Mountrakis et al., 2011 در گذشته، طبقه بندی تصاویر بر مبنای تفسیر بصری کاربر بود که اغلب باعث به وجود آمدن خطاهای سیستماتیک می گردید که این امر ناشی از تجربه و توانایی مفسر در تفسیر تصاویر بود( etal., 2004 (Lillesand. طبقه بندی رقومی تصاویر کمک می کند تا فرآیند طبقه بندی تصویر به واقعیت نزدیکتر باشد(.(Oommen, 2008 طبقه بندی رقومی تصاویر با استفاده از هر دو روش طبقه بندی نظارت شده و نظارت نشده صورتت می گیرد که هر دو روش از مکانیسم تصمیم گیری َ کمی و اتوماتیک بهره می گیرند. اساس طبقه بندی رقومی تصاویر سنجش از دور بر این مبنا است که اثر طیفی مربوط به هر عارضه پوشش دهنده تصویر، منحلر به فرد است(.(Oommen, 2008در طبقه بندی نظارت نشده، بطور اتوماتیک و بر اساس اختلاف اثر طیفی و محاسبات آماری، هر پیکسل به کلاس خاصی تعلق می گیرد. ضعف این روش در این است که در صورتتی که عارضه مورد نظر دارای اختلاف اثر طیفی کمی نسبت به سایر عوارض باشد، تفکیک آن با این روش و بطور اتوماتیک بسیار دشوار می گردد(.(Hord, 1982 برای غلبه بر این مشکل، روشهای طبقه بندی نظارت شده ارائه گردیدند که در آنها از نمونه های تعلیمی به عنوان کلیدی که اثر طیفی مربوط به یک عارضه خاص و مورد نظر کاربر را نشان می دهد، برای طبقه بندی استفاده می شود( .(Lillesand et al., 2004اما به هر حال خطاهایی در طبقه بندی وجود دارند که می تواند به علت ضعف تجربه و دانش کاربر باشد. از طرفی به علت تاثیرات متفاوت حاصل از
|
آموزش سریع و آسان ارگ و کیبورد - 20 آهنگ بدون استاد
نُت موسیقی ترجمه به فارسی
آموزش آسان ارگ و پیانو بدون استاد با نُتهای آسان فارسی قابل استفاده برای اکثر سازها بخصوص ارگ (کیبورد) نوازندگی آسان ارگ (کیبورد ) برای همه در تمام سنین با راهنمای ساده برای ارگ . با نتهای فارسی (گوشی) دو ر می فا حتی برای آنان که هیچ اطلاعاتی در مورد ارگ و کیبورد ندارند. کتاب الکترونیکی بسیار ارزشمند برای علاقمندان به موسیقی و نوازندگی
نت آهنگهای ساده و خاطره انگیز ترجمه به فارسی فهرست نُتهای محتوای کتاب فهرست 20 نُت فارسی آهنگ 1– تولدت مبارک 2 – سلطان قلبم 3 – نوائی نوائی 4 – امشب در سر شوری دارم محمد اصفهانی 5 – الهه ناز 6 – مرغ سحر ناله سر کن شجریان 7 – می خوام به اصفهان برگردم معین 8 – سرود ای ایران 9 – آهنگ با با کرم 10 – های های رشید خان 11 – شراره با متن شعر سعید آسایش 12 – نازنین مریم استاد نوری 13 - نازی جو ن شهرام کاشانی 14 - دل ای دل لیلا فروهر 15 - بری باخ آذری منصور 16 -قاسم آبادی شمالی 17 - هله دان دان بندری 18 - ای گل رویائی امید 19 - حنا اندی 20 - نسترن فرشید
 |
