شماره کتابشناسی ملی
شماره
۲۰۴۳۰پ
زبان اثر
زبان متن نوشتاري يا گفتاري و مانند آن
per
عنوان و نام پديدآور
عنوان اصلي
استخراج عوارض شهری با روش های شیءگرا و محاسبه عدم قطعیت در ارزیابی دقت نتایج
عنوان اصلي به زبان ديگر
Extracting Urban Features Using Object-based Methods and Computing the Uncertainty in Accuracy Assessment of Results(Case study : varzeghan city)
نام نخستين پديدآور
/عذرا معصومی اوزانی
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: سنجش از دور و سیستم اطلاعات جغرافیایی
تاریخ نشرو بخش و غیره
، ۱۳۹۷
نام توليد کننده
، میرزائی
مشخصات ظاهری
نام خاص و کميت اثر
۸۲ص
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی - الکترونیکی
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی ارشد
نظم درجات
سنجش از دور و سیستم اطلاعات جغرافیایی - گرایش مطالعات شهری و روستایی
زمان اعطا مدرک
۱۳۹۷/۱۰/۲۹
کسي که مدرک را اعطا کرده
تبریز
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
کاربری زمین در مناطق شهری به طور مداوم به دلیل ساخت و ساز ساختمان های جدید و دیگر اشیاء انسان ساخت در حال تغییر می باشد .بنابراین محتوای نقشه ها بایستی به طور مرتب با تغییرات بروز شوند .از این رو تشخیص خودکار عوارض شهری در تصاویر هوایی و ماهواره ای در گستره وسیعی مانند برنامه ریزی شهری ، نظارت، آشکارسازی تغییرات، ساخت و به روزرسانی نقشه هایGIS ، حمل و نقل و ارتباطات و..از اهمیت زیادی برخوردار است.با در نظر گرفتن این مهم، تحقیق حاضر سعی برآن دارد تا با استخراج عوارض شهری با روش های شیءگرا و ارزیابی دقت حاصل از طبقه بندی به معرفی شاخص ها و الگوریتم های بهینه در این زمینه بپردازد .که هم از دقت بالایی برخوردار بوده و هم امکان اجرای آنها در تحقیقات آتی با کمترین زمان فراهم گردد . علاوه بر این یکی از مهمترین اهداف تحقیق حاضر ارزیابی عدم قطعیت در نتایج طبقه بندی شیءگرا و سنجش عدم قطعیت موجود در روشهای ارزیابی دقت معمول می باشد .فرآیند انجام تحقیق مبتنی بر اجرای روشهای پردازش شیء گرای عکس های هوایی و مدلهای رقومی زمین با تفکیک مکانی بالا می باشد .در این راستا، از نرم افزارهای های تخصصی eCognition ، Arc GIS و Spss و Excel استفاده می شود .محدوده ی مورد مطالعه محدوده شهری ورزقان می باشدکه دارای ترکیبی از ساختمان هایی با بافت جدید و قدیم است .بدین ترتیب سگمنت سازی با الگوریتم تقسیم بندی چند متغیره انجام شد و مقیاس ۸۰ برای سگمنت سازی انتخاب گردید .سپس بر اساس آستانه های بدست آمده طبقه بندی با هر الگوریتم انجام شده و دقت حاصل از آن ها محاسبه شد که در قالب نقشه ها و جداول ارائه گردید .سپس با محاسبه ضرایب همبستگی و خطای جذر میانگین مربعات میزان عدم قطعیت نتایج بررسی شد . .نتایج بدست آمده نشان می دهد شاخص شکل با دقت ۹۷ ، ضریب کاپای ۰.۹۴ ، ضریب تعیین ۹۶ و مقدار خطای ۰.۰۸ و شاخص ضریب روشنایی با دقت ۹۸ ، ضریب کاپای ۰.۹۶ ، ضریب تعیین ۹۴ و مقدار خطای ۰.۱۱ در مرتبه بهترین شاخص ها برای شناسایی عوارض قرار گرفتند بنابراین نتایج این تحقیق علاوه بر استفاده گسترده در جامعه ی علمی سنجش از دور برای کارشناسان و برنامه ریزان در این منطقه در حیطه مدیریت شهری ، بروز رسانی اطلاعات مورد نیاز دستگاه های اجرایی دارای اهمیت زیادی است
متن يادداشت
Land use in urban areas is constantly changing due to the construction of new buildings and other human objects. Therefore, the contents of the maps should be updated regularly. So, the automatic detection of urban features in aerial and satellite imagery in wide range of areas such as urban planning, monitoring, revealing changes, building up and updating GIS maps, transport and communications, etc., are of great importance. With that in mind, this research tries to introduce optimal indices and algorithms by extracting urban complications using object based methods and evaluating the accuracy of the classification. They would be highly accurate and can be implemented in the future researches within the shortest time. In addition, one of the most important goals of the present research is to evaluate the uncertainty in the results of the object based classification and to assess the uncertainty in the common accuracy evaluating methods. This research would be based on the implementation of object based image processing methods and digital high spatial resolution land based models. In this regard, eCognition, Arc GIS, and Spss softwares would be used. The case study is the urban area of Varzeghan, which has a combination of new and old buildings texture.thus, after segmentation with multi-resolution algorithm , appropriate scale was selected. After classification with defined algorithms , accuracy assessment operations were performes.also , to check the uncertainty of results , correlation coefficients and Root-mean square error were calculated in excel and spss. The resuts showed that shape index algorithm with an accuracy of 97 , kappa coefficient of 0.94 , correlation coefficient of 0.96 and RMSE of 0.08 and brightness algorithm with an accuracy of 98 , kappa coefficient of 0.96, correlation coefficient of 0.94 and RMSE of 0.11 were the best indicators for extracting urban features. Therefore, the results of this study, in addition to widespread use of the remote sensing community experts and planners in this area in the field of urban management, would be very important for updating the information required by the urban operators
عنوان اصلی به زبان دیگر
عنوان اصلي به زبان ديگر
Extracting Urban Features Using Object-based Methods and Computing the Uncertainty in Accuracy Assessment of Results(Case study : varzeghan city)
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )
مستند نام اشخاص تاييد نشده
معصومی اوزانی، عذرا
مستند نام اشخاص تاييد نشده
Masoumi Ozani, Azra
دسترسی و محل الکترونیکی
يادداشت عمومي
سیاه و سفید
وضعیت فهرست نویسی
وضعیت فهرست نویسی
نمایه‌سازی قبلی
