آشنایی با موضوع

طبقه بندی تصویر (به انگلیسیImage classification) یکی از تکنیک های مهم در تفسیر تصاویر سنجش از دور، طبقه بندی تصاویر است که کاربرد زیادی در بررسی تغییرات زمین دارد. مسئله مهم تعیین یک روش طبقه بندی با دقت مناسب برای تصاویر ماهواره ای با قدرت تفکیک مکانی بالا می باشد. با افزایش تعداد باندهای تصاویر سنجش از دور، الگوریتم های استخراج ویژگی مانند تحلیل مؤلفه های اصلی، تحلیل مؤلفه های مستقل، نگاشت جستجوگر، استخراج ویزگی با مرز تصمیم گیری، تحلیل ممیز و تبدیل موجک به منظور کاهش تعداد ویژگی ها و بهبود طبقه بندی مورد استفاده قرار گرفته اند. اما این الگوریتم ها به دلیل افزایش تعداد منابع اطلاعاتیف حجم داده ها و محدود بودن تعداد نمونه های آموزشی در تصاویر ابرطیفی، بازدهی مطلوبی ندارند. در این تحقیق باری حل این مشکل، پس از بررسی طبقه بندی تصاویر ماهواره ای با استفاده از ویزگی بافت، روشی مبتنی بر ماشین بردار پشتیبان ارائه گردیده است. در واقع ماشین بردار پشتیبان پس از یک طبقه بندی اولیه، با استفاده از کلاس هر پیکسل و همسایه هایش به صورت سلسله مراتبی تصمیم گیری می کند. تصمیم گیری در هر یک از سطوح بوسیله یک ماشین بردار پشتیبان انجام می شود. نتایج نشان می دهد که صحت طبقه بندی داده های ابرطیفی با استفاده از این الگوریتم بسیار مطلوب بوده و مشکل محدود بودن تعداد نمونه های آموزشی تا حد قابل توجهی جبران شده است. تکنیک های طبقه بندی برای گروه بندی پیکسل ها به کار می روند تا بتوانند جزئیات پوشش زمین (Land cover) را نشان بدهند. پوشش زمین می تواند جنگل، مناطق شهری، کشاورزی و یا دیگر موارد باشد. سه نوع طبقه بندی اصلی وجود دارد: ۱- طبقه بندی نظارت نشده ۲- طبقه بندی نظارت شده ۳- طبقه بندی شی گرا بطور کلی در فرایند طبقه بندی تصاویر لازم است مراحل زیر انجام گیرد: 1- تعیین تعداد کلاس های پوشش زمین که قصد توصیف آنها را داریم. 2- نسبت دادن برچسب های عددی به پیکسل های طبقه بندی شده بر اساس خواص آنها با استفاده از فرایند تصمیم گیری که در مجموع یک قاعده ی طبقه بندی یا یک قاعده ی تصمیم گیری است. این دو مرحله بعضی مواقع به ترتیب دسته بندی و برچسب گذاری نامیده می شوند. در فرایند دسته بندی لزومی به تعریف تعداد دسته ها نداریم تا بگوییم کدام یک از پوشش های زمین را می خواهیم بیان کنیم. دسته بندی به عنوان یک فرایند جست و جو است که در آن هدف تعیین تعداد دسته های پوشش زمین روی تصویر می باشد، بطوری که پیکسل های روی تصویر به این دسته ها نسبت داده شوند. مشخص کردن دسته ها از نقطه نظر طبیعت نوع پوشش زمین، یک مرحله مجزای دیگری است که منجر به فرایند طبقه بندی می شود. در این حالت چندین دسته ممکن است به یک نوع پوشش زمین یا یک کلاس متناظر شوند. این دو روش برای برچسب گذاری پیکسل ها در ادبیات سنجش از دور به ترتیب به روش های طبقه بندی با نظارت و بدون نظارت شناخته شده اند
در این صفحه تعداد 501 مقاله تخصصی درباره طبقه بندی تصویر که در نشریه های معتبر علمی و پایگاه ساینس دایرکت (Science Direct) منتشر شده، نمایش داده شده است. برخی از این مقالات، پیش تر به زبان فارسی ترجمه شده اند که با مراجعه به هر یک از آنها، می توانید متن کامل مقاله انگلیسی همراه با ترجمه فارسی آن را دریافت فرمایید.
در صورتی که مقاله مورد نظر شما هنوز به فارسی ترجمه نشده باشد، مترجمان با تجربه ما آمادگی دارند آن را در اسرع وقت برای شما ترجمه نمایند.
مقالات ISI طبقه بندی تصویر (ترجمه نشده)
مقالات زیر هنوز به فارسی ترجمه نشده اند.
در صورتی که به ترجمه آماده هر یک از مقالات زیر نیاز داشته باشید، می توانید سفارش دهید تا مترجمان با تجربه این مجموعه در اسرع وقت آن را برای شما ترجمه نمایند.
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: طبقه بندی تصویر; Image pre-processing; Image segmentation; Image classification; Anisotropic diffusion filter; Active contour model without edges; Support vector machine;
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: طبقه بندی تصویر; Multiple instance learning; Content based image retrieval; Image classification; Neural networks; Multiple-instance learning based decision neural networks; MI-BDNN
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: طبقه بندی تصویر; Content-based image retrieval; Histogram of triangles; Dense features; Image classification; Deep belief networks; Support vector machines;