عنوان

خوشه بندی تصاویر ماهواره ای برای تخمین عمق آب با استفاده از الگوریتم های نوین خوشه بندی

Number

پ۲۵۲۶۰

.Language of Text, Soundtrack etc

per

Title Proper

خوشه بندی تصاویر ماهواره ای برای تخمین عمق آب با استفاده از الگوریتم های نوین خوشه بندی

First Statement of Responsibility

فاطمه رضاپور

Name of Publisher, Distributor, etc.

مهندسی برق و کامپیوتر

Date of Publication, Distribution, etc.

۱۳۹۹

Specific Material Designation and Extent of Item

۷۱ص.

Accompanying Material

سی دی

Dissertation or thesis details and type of degree

کارشناسی ارشد

Discipline of degree

مهندسی کامپیوتر گرايش رایانش امن

Date of degree

۱۳۹۹/۱۱/۱۴

Text of Note

چکیده:برآورد عمق آب¬های ساحلی با استفاده از روش¬های سنجش از دور نظیر پردازش تصاوير ماهواره¬اي، همواره نقش مهمي در مديريت و بهره¬برداري بهينه از منابع طبيعي دريايي داشته است. در دهه¬هاي گذشته، به لطف داده¬هاي تصويري با ويژگي¬هاي طيفي، مکاني و زماني مناسب، استفاده از روش¬هاي عمق¬سنجي ماهواره¬اي در مناطق کم¬عمق افزايش يافته است. با این حال غالبا روش¬های نظارت شده برای این منظور استفاده می¬شود که وجود مجموعه داده¬هایی برای یادگیری اولیه الگوریتم و بهبود نتایج نهایی آنها ضروری است. ما در این پژوهش قصد داریم از روش¬های بدون نظارت و خوشه¬بندی برای دسته¬بندی عمق¬های متفاوت استفاده کنیم و از این طریق بتوانیم محدودیت مذکور را تا حد امکان رفع نماییم. هدف پژوهش حاضر، خوشه¬بندی تصاویر ماهواره¬ای آب¬ها برای تخمین عمق آب¬های ساحلی و کاهش پیچیدگی زمانی و هزینه لازم برای عمق¬سنجی چنین مناطقی است. به این منظور، از تصاویر ماهواره¬ای سنتینل-2 استفاده شده و با استفاده از نرم¬افزار SNAP روی آنها پیش¬پردازش¬هایی انجام می¬شود. سپس چندین روش¬ خوشه¬بندی از جمله K-Means، PCA، Band Ratios و DCP روی این تصاویر اعمال می¬گردد. پس از آن، نتایج حاصل از الگوریتم¬های خوشه¬بندی مختلف مورد مقایسه قرار گرفته و بالاترین دقت به دست آمده مربوط به الگوریتم DCP می¬باشد که 91 درصد است. در نهایت، پیشنهاداتی برای پژوهش¬های آینده و بهبود نتایج ارائه می¬شود

Text of Note

Estimation of coastal water depth using remote sensing methods such as satellite image processing has always an important role in the management and optimal use of marine natural resources and also protecting them. In recent decades, thanks to imagery data with spectral, spatial and temporal characteristics, the use of satellite depth measurement methods in shallow areas has increased. Supervised methods are often used for this purpose, but the existence of datasets is necessary for the initial learning of this algorithms and the improvement of their final results. In this study, we intend to use unsupervised and clustering methods to classify different depths and thus be able to remove this limitation as much as possible.The aim of this study is to cluster marine satellite images to estimate the depth of coastal waters and reduce the time complexity and cost required for depth measurement of such areas. For this purpose, Sentinel-2 satellite images are used and required pre-processing methods is performed on them using SNAP software. Several clustering methods, including K-Means, PCA, Band Ratios and DCP are then applied to these images. Then, the results obtained from different clustering algorithms are compared and the highest accuracy is related to DCP, which is 91%. Finally, suggestions for future research and improvement of results are provided.

Variant Title

Satellite image clustering to estimate water depth using modern clustering algorithms

Entry Element

‏‏رضاپور،

Part of Name Other than Entry Element

‏‏ فاطمه

Relator Code

تهيه کننده

Entry Element

‏‏صالح پور،

Entry Element

‏رضایی مقدم،

Part of Name Other than Entry Element

‏ پدرام

Part of Name Other than Entry Element

محمدحسین

Dates

استاد راهنما

Dates

استاد مشاور

Entry Element

‏ تبریز