30830

پردازش تصاوير سنجش از دور براي تشخيص خشخاش

كارشناسي ارشد

مهندسي كامپيوتر

1395

1395/2/8

آقاي دكتر محسن سرياني

ندارم

كامپيوتر

امروزه آگاهي از انواع پوشش سطح زمين به عنوان اطلاعات پايه براي برنامه ريزي هاي مختلف از اهميت بالايي برخوردار است. در اين ميان رويكرد سنجش از دور و پردازش تصاوير ماهواره اي مي تواند در به دست آوردن اين اطلاعات بسيار مفيد باشد، چرا كه نيازي به حضور فيزيكي در منطقه و ساير محدوديت ها را ندارد. يكي از مواردي كه ميتوان از اين رويكرد بهره جست در شناسايي مناطقي است كه گياه خشخاش در آنها كشت شده است، زيرا امروزه كاشت اين گياه مخدر توجه بسياري از افراد را به لحاظ درامدزايي كاذب، به سمت خود جلب كرده است به همين خاطر يافتن راهي كه بتوان از كاشت اين گياه به صورت مخفيانه جلوگيري نمود پر اهميت به نظر مي رسد. در اين تحقيق ميخواهيم مناطقي كه گياه خشخاش در آنها كشت شده را با استفاده از تصاوير ماهواره اي شناسايي كنيم. براي اين كار بايد ويژگي هايي از تصوير را شناسايي كنيم كه با آنها اين جداسازي به خوبي صورت پذيرد، در اين پروژه سعي ميشود كه با استفاده از ويژگي هايي از جمله شاخص هاي NDVI، SAVI، IPVI و OSAVI دقت شناسايي افزايش يابد. براي اين كار علاوه بر باندهاي قرمز و مادون قرمز نزديك كه معمولا در شناسايي گياهان از آنها استفاده مي شود، از خاصيت انعكاسي گياه در سه باند ديگر طيف الكترومغناطيس نيز استفاده شده است. همچنين براي افزايش دقت رده بندي از تصاوير چندزمانه در دوره ي رشد گياه استفاده شده است. در اين پايان نامه تصاوير 7landsat و 8landsat به كار برده شده كه وضوح آنها 30 متر مي باشد، براي حل مشكل وضوح كم از روش درون يابي مكعبي استفاده شده و وضوح تصاوير به 7/5 متر بهبود يافت. رده بندي نهايي با استفاده از رده بند SVM دقت 97/4 درصد را نتيجه مي دهد.

1403/02/12

Remote sensing image processing for opium poppy discrimination

1/1/1900 12:00:00 AM

Nowadays, awareness about the types of land-cover and human activities as baseline data for various plans in different parts are very important. Remote sensing and satellite image processing can be used to obtain such information without the need for physical presence in the region and confront many restrictions. Identifying the areas where poppy plants are grown is one application of this approach. Poppy planting and producing drugs as a false and profitable business has attracted many people and can be disturbing for politicians and law enforcement community. So, finding a way to prevent poppy planting secretly and illegally proves to be very important. 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 and MSAVI2. Also, in addition to using red and 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 and 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 and appropriate feature extraction phases, classification was performed using SVM classifier and a maximum accuracy of 97.4% was achieved. The results of this research can be used to detect pieces of poppy cultivated lands.

سنجش از دور , تصاورير ماهواره اي , رده بندي , شاخص سبزينگي

remote sensing , satellite images , classification , vegetation Index

tahere nikche farahani

Dr. Mohsen Soryani