طبقه بندي تصاوير مناطق شهري با روش هاي يادگيري ماشين با رويكرد تحليلي

طبقه‌بندي تصوير همواره يكي از مسائل مهم جامعه سنجش‌ازدور بوده و اطلاعات حاصل از اين روش از پركاربردترين اطلاعات در اين حوزه و در ساير زمينه‌ها نظير برنامه‌ريزي شهري, مديريت منابع طبيعي و ... به شمار مي‌آيد. از طرف ديگر با افزايش روش‌هاي مختلف طبقه‌بندي تصوير, مثل روش‌هاي آماري و روش‌هاي يادگيري ماشين ضروري است كه هريك از روش‌هاي فوق, با توجه به نوع تصوير مورد ارزيابي و تحليل قرار گيرند. هدف از اين تحقيق مقايسه و ارزيابي دو روش شبكه‌هاي عصبي و ماشين‌هاي بردار پشتيبان از روش‌هاي يادگيري ماشين, براي طبقه‌بندي تصوير آيكونوس (منطقه شهريار در استان البرز) باقدرت تفكيك مكاني بالا مي‌باشد. در اين تحقيق براي ارزيابي از شبكه‌هاي عصبي پرسپترون چندلايه (MLP) و ماشين‌هاي بردار پشتيبان با تابع كرنل گوسين كه از پركاربردترين ساختارها براي طبقه‌بندي مي‌باشند, استفاده‌شده است. نتايج نشان مي‌دهد كه روش شبكه‌هاي عصبي در بهترين حالت داراي دقت 06/ 87درصد و روش ماشين‌هاي بردار پشتيبان داراي دقت 85/26 مي‌باشد