16908

16908

پردازش تصاوير سنجش از دور براي تشخيص خشخاش

كارشناسي ارشد

هوش مصنوعي

ارديبهشت 1395

دكتر محسن سرياني

كامپيوتر

امروزه آگاهي از انواع پوشش سطح زمينبه عنوان اطلاعات پايه براي برنامه‌ريزي‌هاي مختلف از اهميت بالايي برخوردار است. در اين ميان رويكرد سنجش از دور و پردازش تصاوير ماهواره‌اي مي‌تواند در به دست آوردن اين اطلاعات بسيار مفيد باشد.يكي از مواردي كه مي‌توان از اين رويكرد بهره جست در شناسايي مناطقي است كه گياه خشخاش در آن‌ها كشت شده است،. در اين تحقيق مي خواهيم مناطقي كه گياه خشخاش در آن‌ها كشت شده را با استفاده از تصاوير ماهواره‌اي شناسايي كنيم. براي اين كار بايد ويژگي‌هايي از تصوير را شناسايي كنيم كه با آن‌ها اين جداسازي به خوبي صورت پذيرد، در اين پروژه سعي مي‌شود كه با استفاده از ويژگي‌هايياز جمله شاخص‌هاي NDVI، SAVI،IPVI وOSAVIدقت شناسايي افزايشيابد. براي اين كار علاوه بر باندهاي قرمز و مادون قرمز نزديك كه معمولا در شناسايي گياهان از آن‌ها استفاده مي‌شود، از خاصيت انعكاسي گياه در سه باند ديگر طيف الكترومغناطيس نيز استفاده شده است. همچنين براي افزايش دقت رده‌بندي از تصاوير چندزمانه در دوره‌ي رشد گياه استفاده شده است. در اين پايان‌نامه تصاوير landsat7 و landsat8 به كار برده شده كه وضوح آن‌ها 30 متر مي‌باشد، براي حل مشكل وضوح كم از روش درونيابي مكعبي استفاده شده و وضوح تصاوير به 5/7 متر بهبوديافت.رده بندي نهايي با استفاده از ردهبند SVM دقت 4/97 درصد را نتيجه مي‌دهد.

1395/12/17

1/1/1900 12:00:00 AM

Nowadays, awareness about the types of land-cover an​d human activities as baseline data for various plans in different parts are very important. Remote sensing an​d satellite image processing can be used to obtain such information without the need for physical presence in the region an​d confront many restrictions. Identifying the areas where poppy plants are grown is one application of this approach. In this thesis, we aim to identify the areas where poppy is cultivated by using satellite imagery. To this end, extracting suitable features of poppy farms from images can help classifying the regions well. In this project we try to increase recognition accuracy by using several features such as NDVI, OSAVI, IPVI an​d MSAVI2. Also in addition to using red an​d near-infrared bands which are usually used in identifying different plants, the reflectivity property of plants in three other bands of electromagnetic spectrum is also used. To increase the classification accuracy, Multi temporal images in the plant's growing cycle are utilized. In this thesis, landsat7 an​d landsat8 images with 30 meters resolution are used. To solve the problem of low resolution images, bicubic interpolation was employed. After performing required pre-processing an​d appropriate feature extraction phases, classification was performed using SVM classifier an​d a maximum accuracy of 97.4% was achieved. The results of this research can be used to detect pieces of poppy cultivated lands.