Satellite Image Classification Using Feature Encoding Based Artificial Neural Network

الموضوعات

علوم تطبيقية وتكنولوجية

الملخص

The satellite image classification problem using computer programs is important becausethe use of five to seven color bands for capturing satellite images make different color ingredients are found, which are hard to be recognized unless using advanced levels of processing, Most of the existing geographic information system classification tools have used the same methods for years, such traditional classification methods do not provide satisfactory results. Therefore, the search for efficient satellite image classification method is still continued.The present thesis handlesthe problem of satellite image classification, the artificial neural network is proposed for obtaining intended results. The contribution of the present work is the use of encoding concepts combined with the artificial neural network for purpose of satellite image classification. Therefore, the proposed satellite image classification contains three stages within: the first is the preprocessing one that aimsat appearing the fine details of the satellite image, while the second stage includes assigning a specific code for each pixel in the image, the process of encoding depends on the spectral distribution of that pixel with its neighbors. Such that, there are some pixels may carryanidentical or similar code, especially those belonging to thesame class. The third stage is related to features extraction, there are seven features computed for each pixel in the image, each depends on the probability computation. The probabilities of image pixels are computed by means pixels codes using a modified mathematical procedure. Inthecurrent situation, an information gain features selection method is employed to exclude the features that may lead to confusing the classification results. Later, the extracted features are the in put to the proposed back propagation artificial neural network (BPANN), which consisting of two phases: training and classification. Supervised training phase is responsible for generating best weights that used in the classification phase by using database namely codebook. The back propagation principle helps to reach to acceptable weights by modifying these weights to reach the perfect set of weights. Whereas, the classification phase is a forward ANN procedure is responsible for classifying each pixel in the input satellite image based on the accepted weights resulted from training phase. The output of the classification phase is color referring to the class of each pixel in the input image. The materials used to present the curren twork are multi band satellite images of Baghdad city in Iraq by means EMT Landsat 8 satellite, the bands are given different periods 1984, 1990, 2000, 2003, 2015, and 2017 atthesame conditions. The size of each image is 1024Χ1024 pixels. The implementation of the proposed image classification method showed acceptable performance, in which the average classification percent was 93.166%. This indicates the ability ofthe proposed method for classifying the multibands satellite images. The encouraging results gave the chance to suggest more developments to achieve better results in future work byimproving the present method using further features to strength the classification results.

روابط وملفات

التعريف والنوع

رقم الوثيقة

fb48cc0b-e90c-4a62-aef6-1fb4de55aed8

رقم العقد

0

نوع الوسائط

Crawler

نوع المحتوى

الرسائل العلمية

صيغة المصدر

رسائل ماجيستير

نوع الملف

pdf image

أسماء الملفات

fb48cc0b-e90c-4a62-aef6-1fb4de55aed8_1.pdf

بيانات النشر

ترجمة العنوان

تصنيف صور الأقمار الصناعية بأستخدام الشبكات العصبية الاصطناعية المبنية على ترميز الصفات

ألقاب المؤلفين

[{"name_ar":"أصيل ضياء محيميد","title_ar":"اعداد","title_en":"Preparation"},{"name_ar":"محمــد صـاحب مهدي الطائي","title_ar":"اشراف","title_en":"Supervision"}]

اللغة

English

المصدر والدورية

اسم المصدر

Satellite Image Classification Using Feature Encoding Based Artificial Neural Network

المحتوى والصفحات

عدد الصفحات

0

ترجمة الملخص

اخذت عملية تصنيف صور الاقمار الصناعية ومنذ زمن بعيد حيزا كبيرا فيالمجالات البحثية، وقد صممت العديد من انظمة تصنيف صور الاقمار الصناعية، اما لغرض دراسة محتوى سطح الارض او لغرض التطبيقات الجغرافية. ان كل صورة من صور الاقمار الصناعية تتكون من مجموعة صور مأخوذة بأطوال موجية مختلفة،قد تكون من خمسةالى سبعة، هذا التركيب الغنيلهذه الصور يجعلهاتحتوي الكثير من التفاصيل والقيم اللونية والبيانات التي لا يمكن الحصول عليها او استخراجها الا من خلال مستويات متقدمةمن المعالجة الحاسوبية. انالشبكات العصبية الاصطناعية هي احدى طرق المعالجة المستخدمة للتعامل مع هذا النوع من الصور وعرض بياناتها والتعامل معها بشكل جيد،ولكن بصورة عامة فأن تقنيات تصنيف محتويات صور الاقمار الصناعية لعرض محتويات القشرة الارضية كأن تكون غابات، مناطق حضرية، مناطق زراعية، او مناطق مفتوحة وانواع اخرى من الاصناف قد استخدمت نفس الطرق لعدة سنوات، حيث كانت هذه الطرق تقليدية ولا تحقق النتائج المرضية،ولذلك فأن البحث لا يزال للوصول الى طرق اكثر كفاءة في مجال تصنيف صور الاقمار الصناعية. تتناول هذه الرسالة مسألة تصنيف صور الاقمار الصناعية بأستخدام الشبكات العصبية الاصطناعية وبغية الوصول الى النتائج المرجوة من هذه الرسالة، فقد استخدم الترميز مع الشبكات العصبية الاصطناعية لغرض تحسين تصنيف صور الاقمار الصناعية، حيث ان الطريقة المقترحة تحتوي ثلاث مراحل: الاولى هي المعالجة المسبقة للصورة من اجل توضيح التفاصيل الدقيقة الموجودة في الصورة، في حين ان المرحلة الثانية تشتمل تخصيص شفرة ترميز محددة لكل بكسل في الصورة. ان عملية الترميز تعتمد على التوزيع الطيفي لهذا البكسل مع مجاوراته، وهذا يمكن من تحديد رمز للبكسل يكون مشابة لمجاوره خصوصا تلك المجاورات التي تنتمي الى نفس الصنف. ان المرحلة الثالثة تتعلق بأستخراج الصفات لكل بكسل في الصورة ، ومن ثم يتم أختيار افضل الصفات لاستخدامها في عملية التدريب بأستخدام طريقة (Information Gain Feature Selection )الى الشبكة العصبية الاصطناعية لغرض التدريب والحصول على الاوزان المناسبة التي سوف تستخدم في طور عملية التصنيف. ولغرض عرض واختبارنتائج العمل، تم استخدام صور الاقمار الصناعية لمدينة بغداد من القمر الصناعي لاندسات 8لستة سنوات متفرقة 4881 ،4881 ،0111 ،0112 ،0142 ،0142 ،حجم كل صورة اعظم تشابه (Maximum Likelihood) الموجودة ضمن برنامج (ArcGIS software version 9.3) وذلك من قبل هيئة المسح الجيولوجي العراقية، حيث ان الصورة المرجعية قد احتوت على خمسة اصناف هي: مياه، مناطق سكنية لا تحتوي على خضرة، مناطق سكنية تحتوي على خضرة، نباتات ، ومناطق مفتوحة.تم تقييم التدريب من خلال التحقق من مدى كفاءة تصنيف الطريقة المقترحة للصورة اظهرت الطريقة المقترحة اداء مقبول لتصنيف الصور الغير مستخدمة في عملية التدريب. حيث وصلت نتائج نجاح التصنيف الى 88% بالمقارنة مع الصورة المرجعية وهذا يدل على صحة افتراض الطريقة المقترحة لتصنيف صور الاقمار الصناعية والتي اعطت نتائج مشجعة وفتحت الباب لاقتراح المزيد من التطويرات لتحقيق نتائج افضل في المستقبل لتحسين الطريقة الحالية.

إشراف وإعداد

الإشراف

محمــد صـاحب مهدي الطائي

الإعداد

أصيل ضياء محيميد

الاقتباسات الببليوغرافية