این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
رایانش نرم و فناوری اطلاعات، جلد ۴، شماره ۳، صفحات ۱۰۳-۱۱۲
عنوان فارسی مقایسه و ارزیابی آنالیز شیمبنا و پیکسلمبنای داده لایدار و تصاویر اپتیکال بزرگ مقیاس هوایی در منطقه شهری
چکیده فارسی مقاله امروزه استخراج اطلاعات عوارض شهری از اهمیت بالایی برای مدیران و طراحان شهری برخوردار است. در این راستا میتوان ازدادههای سنجش از دور و روشهای مربوطه جهت شناسایی این عوارض به نحو احسن استفاده نمود. در این تحقیق با تلفیق داده لایدار و تصاویراپتیکال بزرگ مقیاس هوایی در سطح تصمیمگیری شناسایی عوارض شهری با استراتژی شیمبنا و پیکسلمبنا بررسی و ارزیابی میشوند. آنالیزپیکسلمبنا و شیمبنا براساس روش طبقهبندی درخت تصمیمگیری با در نظر گرفتن کلاس سایه و بدون آن اجرا گردید. هدف از این بررسینشان دادن توانایی داده لایدار در حل مشکلات ناشی از سایه در نواحی متراکم و پیچیده شهری است. دقت روش شیمبنا در هر دو روش بالاتر از0 بهتر عمل نمود. روش / روش پیکسلمبناست. در آنالیز شیمبنا دقت کلی هر دو روش به هم نزدیک است، اما روش با کلاس سایه به اندازه 0000 بالاترین دقت را در آنالیز پیکسلمبنا فراهم نمود. / پیکسلمبنا بدون کلاس سایه با 09
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Comparison and evaluation of object-based and pixel-based analysis of LIDAR data and large scale aerial imagery in urban area
چکیده انگلیسی مقاله The information extraction of urban features is important for managers and city planners. In thisway, we can use remote sensing data and related methods in order to detection of these features efficiently.In this study, Object-based and pixel-based detection of urban features is done by integration of LIDAR dataand large-scale aerial optical images at the level of decision.Pixel based and object based analaysis is donebased on decision tree classification with consideration of shadow and without it.This study demonstratesability of LIDAR data tto solve problems caused by the shadow in urban area. The accuracy of object basedmethod is more than pixel based method in two classifications. In object based analysis over all accuracy inboth classifications are similar, but classification with shadow class is better than other method. Over allaccuracy of pixel_based classification without shadow class is 0.91 which is the highest accuracy inpixel_based analysis.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله فرزانه عابدی |
دانشکده مهندسی نقشهبرداری، دانشگاه صنعتی خواجه نصیرالدین طوسی

علی محمدزاده |
دانشکده مهندسی نقشهبرداری، دانشگاه صنعتی خواجه نصیرالدین طوسی

مهدی مختارزاده |
دانشکده مهندسی نقشهبرداری، دانشگاه صنعتی خواجه نصیرالدین طوسی

محمد جواد ولدان زوج |
گروه فتوگرامتری و سنجش از دور، دانشکده مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران

نشانی اینترنتی http://jscit.nit.ac.ir/article_61348_946e905d4981415f7f56e4a035168a03.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/834/article-834-596315.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات