آموزش طبقه بندی تصاویر ماهواره ای با شاخص های طیفی

239 بازدید

اخبار ، مقالات و تحقیقات گروهی را دنبال کنید.

آموزش رایگان نرم افزار ENVI

در ENVI حرفه ای شو 🦾

0 تا 100 مفاهیم سنجش از دور

کاملا رایگان شروع کن 🧩

آموزش رایگان ArcGIS pro

واقعاااااا رایگاااااانه 🤗

آموزش گوگل ارث انجین

شدیدا توصیه شده 🌏

دانلود لندیوز 10 متری ایران و …

به کمک گوگل ارث انجین 🚀

کتاب موتور پردازش مجازی

اولین کتاب آموزش گوگل ارث انجین 📗

طبقه بندی تصاویر ماهواره ای

آشنایی با انواع روش ها 😲

پیش پردازش تصاویر ماهواره ای

هندسی – رادیومتریکی – اتمسفری 🀄

دانلود داده های آلتیمتری

ترازسنجی برای دریاچه ها 🧿

پوشش اراضی 10 متری

تولید شده توسط ESRI 🧐

نمایش سه بعدی در ArcGIS

مدل رقومی ارتفاع 🗻

مطالب پربازدید

استفاده از شاخص‌ها برای طبقه‌بندی تصاویر ماهواره‌ای روشی نوین و جدید و البته با دقت بالا می باشد. آموزش جامع طبقه بندی شیءگرا با استفاده از شاخص‌های طیفی منتشر شد آموزش جامع طبقه بندی شیءگرا با استفاده از شاخص های طیفی در نرم افزار ایکاکنیشن 32,500 تومان – سفارش داده و بلافاصله آموزش را دانلود کنید نهایی کردن خرید مورد به سبد…

استفاده از شاخص‌ها برای طبقه‌بندی تصاویر ماهواره‌ای روشی نوین و جدید و البته با دقت بالا می باشد.


آموزش جامع طبقه بندی شیءگرا با استفاده از شاخص‌های طیفی منتشر شد

آموزش جامع طبقه بندی شیءگرا با استفاده از شاخص های طیفی در نرم افزار ایکاکنیشن



امروزه روش‌های مورد استفاده برای طبقه‌بندی تصاویر ماهواره‌ای بسیار زیاد شده‌اند که هرکدام از آنها دارای معایب و مزایایی می‌باشند. استفاده از شاخص‌ها برای طبقه‌بندی تصاویر ماهواره‌ای روشی نوین و جدید و البته با دقت بالا می باشد که در صورت رعایت کردن پارامترهای آن می تواند بهترین نتایج ممکن برای طبقه بندی را ارائه دهد.

در این محصول آموزشی که برای اولین بار به این موضوع پرداخته می شود سعی شده است که با استفاده از شاخص‌های طیفی مختلف، به طبقه بندی شیءگرا در نرم افزار ایکاکنیشن پرداخته شود. استفاده از شاخص‌های طیفی، روشی جدید برای طبقه‌بندی تصاویر ماهواره‌ای بوده که مورد علاقه بسیاری از متخصصین سنجش از دور است.

در این آموزش از چندین شاخص استفاده شده است که هرکدام از شاخص ها مربوط به یک نوع پدیده خاص می باشند همانند شاخص NDVI برای پوشش گیاهی NDBI برای مناطق شهری و بقیه شاخص ها.

در مواردی که که طبقه بندی با استفاده از روش های مرسوم نتایج مناسب را ارائه ندهد و یا اینکه هدف یک نوع طبقه بندی کلی باشد این نوع طبقه بندی میتواند مناسب ترین گزینه طبقه بندی باشد.

نرم افزارهای مورد استفاده:

ENVI

eCognition

ArcGIS

مشخصات آموزش:

مدت زمان: ۱ ساعت و ۳۰ دقیقه

موضوع: سنجش از دور (طبقه‌بندی تصاویر)

مخاطب: علاقه مندان به پردازش تصاویر ماهواره ای، علاقه مندان به طبقه بندی شیءگرا

مدرس: هادی امامی (کارشناس ارشد سنجش از دور)

تصویرمورد استفاده: لندست ۸

 

مطالب پرداخته شده در این آموزش عبارتند از:

  • نحوه فراخوانی تصاویر به نرم افزار های عنوان شده
  • نحوه انجام تصحیحات رادیومتریکی بر روی تصویر مورد نظر
  • نحوه انجام تصحیحات اتمسفری (FLAASH) بر روی تصویر
  • نحوه تلفیق تصاویر ماهواره و فیوژن آنها
  • استفاده از ابزار Stretch Data
  • نحوه پیاده سازی شاخص NDVI
  • نحوه پیاده سازی شاخص NDWI
  • نحوه پیاده سازی شاخص NDBI
  • نحوه ترکیب شاخص های طیفی با یکدیگر و استک کردن آنها
  • نحوه فراخوانی داده ها در نرم افزار ایکاکنیشن و ساخت فضای کاری
  • نحوه ایجاد ترکیب رنگی های مختلف در نرم افزار ایکاکنیشن
  • نحوه ایجاد کلاس های مختلف در نرم افزار ایکاکنیشن
  • آموزش قطعه بندی تصویر به روش Multiresolution segmentation
  • نحوه انتخاب مقیاس مناسب برای طبقه بندی و قطعه بندی
  • استفاده از ویژگی های مختلف به منظور طبقه بندی (میانگین، انحراف معیار، مینیمم ماکزیمم)
  • نحوه پیدا کردن مقادیر مناسب برای ایجاد کلاس های مختلف
  • نحوه آستانه گذاری برای طبقه بندی کلاس های مختلف
  • استفاده از ابزار find enclosed by class
  • نحوه خروجی گیری به صورت شیپ فایل از نرم افزار ایکاکنیشن
  • استفاده از ابزار Dissolve
  • نحوه محاسبه مساحت هریک از کاربری ها

0/5 (0 نظر)

نوشته های مرتبط :

آموزش های رایگان پیشنهادی :

1 دیدگاه. ارسال دیدگاه جدید

  • مریم اقنوم
    1399-12-26 7:56 ق.ظ

    با سلام و وقتتون بخیر.
    من آموزشتون رو تهیه کردم. بسیار مفید بود. ممنون. فقط اینکه دو تا سوال داشتم.
    ۱- آیا برای سگمنتیشن نباید از همه باندها استفاده کنیم و سپس با استفاده از شاخص های طیفی طبقه بندی رو انجام بدیم؟
    ۲- من به جای شاخص NDBI، باید از شاخص EBBI استفاده کنم که بهتر مناطق خاک لخت و شهری رو از هم تفکیک میکنه ، منتها نیاز به باند ترمال داره. آیا باند ترمال لندست ۷ رو میشه با همین روشی که در این آموزش گفتین ، رزولوشنش رو بهبود بخشید؟ یا اینکه باند ترمال نیاز به پردازش های جداگانه داره؟
    سوال سومم هم اینه که من از تصاویر لندست ۷ETM+ ، Collection 1,Level 1, L1TP میخوام استفاده کنم که در سایت USGS نوشته تصحیحات رادیومتریکی، اتمسفری و هندسی بر روی اونها انجام شده، آیا دیگه هیچ نیازی به تصحیحات دوباره ندارند؟
    خیلی ممنون

    پاسخ

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.

این فیلد را پر کنید
این فیلد را پر کنید
لطفاً یک نشانی ایمیل معتبر بنویسید.