دسته¬بندی اراضی در تصاویر ماهواره¬ای با استفاده از روش¬های یادگیری عمیق

نوع: Type: پایان نامه

مقطع: Segment: کارشناسی ارشد

عنوان: Title: دسته¬بندی اراضی در تصاویر ماهواره¬ای با استفاده از روش¬های یادگیری عمیق

ارائه دهنده: Provider: فاطمه امیدی خواه

اساتید راهنما: Supervisors: دکتر حسن ختن لو

اساتید مشاور: Advisory Professors:

اساتید ممتحن یا داور: Examining professors or referees: دکتر محرم منصوری زاده دکتر حیدری مظفر

زمان و تاریخ ارائه: Time and date of presentation: 1400/12/23

مکان ارائه: Place of presentation: مجازی

چکیده: Abstract: تهیه تصویر از زمین و جمع‌آوری اطلاعات مبتنی بر مکان، از گذشته¬های دور تا به امروز یکی از دغدغه‌های بشر بوده است. امروزه با گسترش تجهیزات ماهواره‌ای و امکان تصویربرداری پیشرفته از سطح و جو زمین، پژوهش‌ها به سمت پردازش این داده‌های ارزشمند سوق داده می‌شوند. با توجه به کاربردهای نظامی، محیط زیستی، شهرسازی و کشاورزی، شناسایی و دسته‌بندی اراضی در تصاویر سنجش از دور از پژوهش‌های بنیادی به شمار می‌رود. از طرفی الگوریتم‌های یادگیری ماشین به خصوص روش‌های یادگیری عمیق در حل مسائل هوش مصنوعی، سهم بسزایی داشته و تا به حال نقش مهمی را ایفا کرده‌اند. در این پژوهش دو رویکرد مبنی بر یادگیری عمیق برای دسته‌بندی تصاویر ماهواره¬ای ارائه شد که بر پایه انتقال یادگیری شبکه‌های کانولوشنی VGG-19 و Efficient-Net هستند. در کنار این شبکه¬ها از ساختار شبکه رمزگذار-رمزگشای خودکار جهت استخراج نقشه ویژگی از تصاویر استفاده شد. شبکه‌های نهایی پیشنهادی حاصل هم‌نشینی یک شبکه از پیش یادگیری شده با شبکه رمزگذار خودکار هستند، که جهت دسته‌بندی تصاویر ماهواره‌ای طراحی شده‌اند.. این دو شبکه پس از پردازش تصاویر ماهواره‌ای به منظور بالابردن تعداد نمونه¬های آموزشی ، اصلاح کیفیت و حذف تاری از تصاویر برروی نمونه‌‌های تصاویر ماهواره‌ای اعمال شده و به دسته‌بندی به روش پیش‌بینی برچسب کلاس مربوط به تصویر می‌پردازند. از مزایای روش ارائه شده می‌توان به استخراج و یادگیری ویژگی به صورت خودکار در مقایسه با مهندسی ویژگی و استخراج ویژگی از نمونه‌ها به روش کلاسیک اشاره کرد.

فایل: ّFile: دانلود فایل