آموزش طبقه بندی تصاویر ماهواره ای در MATLAB

218 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

طبقه بندی تصاویر ماهواره ای در متلب
در این محصول، از نرم افزار متلب «MATLAB» استفاده شده است که دارای قابلیت بالایی در برنامه پذیری و پیاده سازی الگوریتم های پردازش تصویر است. متلب یک زبان برنامه نویسی اختصاصی است که توسط MathWorks ساخته شده است و امکان کار با ماتریس ها و توابع، ترسیم داده ها و اجرای الگوریتم را فراهم می­ کند. در MATLAB می­…

در این محصول، از نرم افزار متلب «MATLAB» استفاده شده است که دارای قابلیت بالایی در برنامه پذیری و پیاده سازی الگوریتم های پردازش تصویر است. متلب یک زبان برنامه نویسی اختصاصی است که توسط MathWorks ساخته شده است و امکان کار با ماتریس ها و توابع، ترسیم داده ها و اجرای الگوریتم را فراهم می­ کند.

در MATLAB می­ توان:

  • داده را تحلیل کرد
  • الگوریتم ها را توسعه داد
  • مدل ­های دلخواه را ایجاد کرد

همچنین، این نرم افزار دارای توابع تعریف شده زیادی در حوزه پردازش تصویر و یادگیری ماشین است که از جمله می­توان به طبقه ­بندی تصویر، خوشه بندی تصویر، بهبود تصویر، کاهش نویز و تبدیل­ های هندسی تصویر اشاره کرد.

در این محصول آموزشی از تصاویر ماهواره ای سنتینل 2 (Sentinel-2) و تصاویر هوایی NAIP استفاده شده است.


مشخصات آموزش

  • مدرس: دکتر محمد کاکوئی
  • تخصص: برنامه نویسی، پردازش تصویر، هوش مصنوعی و سنجش از دور
  • موضوع: آموزش طبقه بندی تصاویر ماهواره ای و سنجش از دور در نرم افزار متلب
  • نرم افزار: متلب
  • مخاطب: علاقه مندان سنجش از دور در محیط متلب
  • نوع آموزش: ویدیویی
  • داده های تمرینی:‌ ندارد

تهیه آموزش

به منظور تهیه آموزش، بر روی دکمه زیر 👇 کلیک کرده و پس از پرداخت وجه، بلافاصله فایل های آموزشی و تمرینی را دانلود کنید.


ویدئوی معرفی دوره:


عناوین آموزشی

عناوین آموزش داده شده در این محصول عبارتند از :

  • فرخوانی تصویر، نمایش آن و مدیریت باندها
  • برچسب زنی داده ها
  • طبقه بندی درخت تصمیم گیری
  • طبقه بندی SVM
  • طبقه بندی Naive Bayes
  • طبقه بندی KNN
  • طبقه بندی LDA
  • طبقه بندی Ensemble
  • طبقه بندی در تصویر هوایی


توضیحات

این محصول آموزشی به مبحث طبقه بندی تصاویر ماهواره ای و سنجش از دور در نرم ­افزار متلب می پردازد.

همواره جامعه سنجش از دور به تحقیقات مرتبط با طبقه بندی تصویر توجه داشته است. زیرا نتایج طبقه بندی اساس بسیاری از برنامه های زیست محیطی و اقتصادی است. تعداد زیادی روش برای طبقه بندی وجود دارد و انتخاب روش مناسب به کاربرد، فضای داده و انتخاب کاربر بستگی دارد.

برخی از طبقه بندی های معروف عبارتند از:

طبقه بندی درختی: یادگیری درخت تصمیم گیری یکی از روش های مدل سازی است که در آمار، داده کاوی و یادگیری ماشین مورد استفاده قرار می گیرد. از یک درخت تصمیم­ گیری به عنوان یک مدل پیش بینی استفاده می شود تا از مشاهدات مربوط به یک مورد (که در شاخه ها مشاهده می شود) به نتیجه گیری در مورد مقدار هدف مورد (که در برگ ها آمده است) برسد.

طبقه بندی SVM: در يادگيري ماشيني، ماشين هاي بردار پشتيبان (SVM ها) مدل هاي يادگيري هستند كه داده ­هاي مورد استفاده براي طبقه بندي و تحليل رگرسيون را تحليل مي كنند. الگوریتم ماشين بردار پشتيبان (SVM) یک ابزار یادگیری محبوب است که راه حل هایی را برای مشکلات طبقه بندی و رگرسیون ارائه می دهد.

طبقه بندی Naive Bayes: طبقه بندی های Naive Bayes بسیار مقیاس پذیر هستند و به تعدادی از پارامترهای خطی نیاز دارند. آموزش Maximum-likelihood را می توان با ارزیابی یک عبارت محدود انجام داد. یعنی برای آموزش به صورت خطی به زمان نیاز دارد، در حالی که بسیاری از انواع دیگر طبقه بندی ها، در یک فرم تکرار شونده آموزش می بینند.

طبقه بندی KNN: الگوریتم KNN روشی غیر پارامتری است که نزدیکترین همسایگان را در شناسایی الگوی پیدا می­ کند.

طبقه بندی LDA: این طبقه بندی روشی برای یافتن ترکیب خطی از ویژگی ها است که دو یا چند کلاس را جدا می کنند. از LDA به عنوان طبقه بندی خطی یا برای کاهش ابعاد قبل از طبقه بندی اصلی استفاده شود.

مخاطبان این محصول آموزشی افرادی هستند که قصد دارند الگوریتم های سنجش از دور را در محیط متلب (MATLAB) پیاده سازی کنند. استفاده از الگوریتم های طبقه بندی دارای مخاطبان زیادی در حوزه سنجش از دور است. مخاطبان این محصول ممکن است:

  • به طبقه بندی نوع سطح زمین بپردازند
  • به طبقه بندی نوع کشت علاقه مند باشند
  • در حوزه شناسایی نوع گیاه و پوشش گیاهی فعالیت کنند
  • محیط شهری را شناسایی کنند
  • میزان تخریب را طبقه بندی کنند
  • ویژگی­های خاک را طبقه بندی کنند
  • و……


تهیه آموزش

به منظور تهیه آموزش، بر روی دکمه زیر 👇 کلیک کرده و پس از پرداخت وجه، بلافاصله فایل های آموزشی و تمرینی را دانلود کنید.


نوشته های مرتبط :

آموزش های رایگان پیشنهادی :

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

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