استفاده از الگوریتم فراابتکاری کرم شب تاب در بهبود دقت طبقه بندی تصویر ماهواره ای, مطالعه موردی: شهر رفسنجان

سنجش‌ازدور و سامانه اطلاعات جغرافیایی در منابع طبیعی

مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 06 تیر 1401

نوع مقاله: مقاله پژوهشی

شناسه دیجیتال (DOI): 10.30495/girs.2022.692233

نویسنده

حمید باقری^*

عضو هیات علمی, گروه مهندسی عمران, دانشگاه فنی و حرفه ای، تهران، ایران

چکیده

امروزه یکی از روش‌های تهیه‌ی نقشه کاربری و پوششی اراضی، استفاده از اطلاعات ماهواره‌ای و روش‌های سیستم اطلاعات مکانی است. داده‌های ماهواره‌ای به دلیل ارائه‌ اطلاعات به روز و امکان پردازش تصاویر، در تهیه‌ی نقشه‌های پوششی اراضی از اهمیت بالایی برخوردارند. از سوی دیگر در سال‌های اخیر به طور وسیع و گسترده جهت طبقه‌بندی تصاویر ماهواره‌ای از روش‌های طبقه‌بندی پیشرفته از قبیل شبکه‌های عصبی مصنوعی، مجموعه‌های فازی و شبکه‌های هوشمند استفاده شده است. هدف از این تحقیق، بهبود دقت طبقه‌بنـدی تصـویر ماهواره‌ای با استفاده از یک الگوریتم فراابتکاری است. در این تحقیق، یک روش طبقه‌بندی جدید مبتنی بر الگوریتم کرم شب‌تاب به عنوان یک الگوریتم یادگیری تحت نظارت معرفی شده است. بـدین منظـور ابتدا با استفاده از دو الگوریتم طبقه‌بندی شبکه عصبی مصنوعی و ماشین‌های بـردار پشتیبان، تصـویر موردنظر طبقه‌بندی و نقشه‌ی پوششی اراضی آن تهیه شد. سپس مقادیر دقت و ضریب کاپا برای این دو الگـوریتم محاسبه گردید. در نهایت الگوریتم کرم شب‌تاب در نرم‌افزار پایتون برنامه‌نویسی شد و پس از ورود تصاویر به برنامه پایتون و مشاهده نتایج خروجی، مشخص شد که پارامترهای تابع هسته مرکزی روش بردار پشتیبان و تعداد نورون‌های روش شبکه عصبی مصنوعی بهبود داده شده است. در نهایت نتایج نشان داد که الگوریتم کرم شب‌تاب یک طبقه-بندی کننده مناسب است و قابلیت رقابت با بقیه روش‌ها را دارد. دقت کلی حاصل از طبقه‌بندی برای سنجنده ASTER با این الگوریتم، در طبقه‌بندی شبکه عصبی بـه میـزان ۱.۶ درصد و در طبقه‌بندی ماشین بردار پشتیبان به میزان ۳.۸ درصد افزایش یافت. همچنین مقایسه ضریب کاپا، دقت کاربر و دقت تولید کننده برای روش های ذکر شده در بخش نتایج و تحلیل شرح داده شده است.

کلیدواژه‌ها

طبقه بندی؛ کرم شبتاب؛ شبکه عصبی مصنوعی؛ ماشین بردار پشتیبان

مراجع