Please use this identifier to cite or link to this item:
https://cuir.car.chula.ac.th/handle/123456789/50316
| Title: | การปรับปรุงผลหลังการจำแนกด้วยเนื้อภาพของพืช |
| Other Titles: | A post-classifier for mangrove mapping using plant textures |
| Authors: | เมธี ชัยธีระพันธุ์กุล |
| Advisors: | ชัยโชค ไวภาษา |
| Other author: | จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์ |
| Advisor's Email: | Chaichoke.V@Chula.ac.th,chaichoke@hotmail.com |
| Issue Date: | 2558 |
| Publisher: | จุฬาลงกรณ์มหาวิทยาลัย |
| Abstract: | ป่าชายเลนเป็นระบบนิเวศที่สำคัญต่อความสมดุลของสิ่งแวดล้อมในระบบนิเวศชายฝั่งและมีคุณค่าทั้งทางด้านสังคม และเศรษฐกิจอย่างมากในหลายๆประเทศเขตร้อน จึงจำเป็นที่จะต้องมีการสำรวจ เพื่อตรวจสอบ ติดตามความเปลี่ยนแปลงของป่าชายเลนด้วยวิธีการที่มีประสิทธิภาพ งานวิจัยนี้ได้เสนอการจำแนกป่าชายเลนในระดับสายพันธุ์ด้วยข้อมูลจากภาพถ่ายดาวเทียมที่มีความละเอียดสูง ด้วยวิธีการจำแนกพรรณไม้ในป่าชายเลนโดยใช้กระบวนการปรับปรุงผลหลังการวิเคราะห์แบบใช้เนื้อภาพเข้ามาร่วม ใช้ภาพถ่ายดาวเทียม QuickBird จากพื้นที่อำเภอปากพนัง จังหวัดนครศรีธรรมราช ผลการศึกษาพบว่าการใช้วิธีการจำแนกพันธุ์ไม้ในป่าชายเลนที่ใช้กระบวนการปรับปรุงผลหลังการวิเคราะห์แบบใช้เนื้อภาพเข้ามาร่วม เมื่อเปรียบเทียบกับการจำแนกแบบ Spectral Angle Mapper และวิธีการจำแนกที่นิยมแบบ Object-Based ด้วยวิธี Grey Level Co-occurrence Matrix ได้ให้ผลลัพธ์ออกมามีค่าความถูกต้องโดยรวมเฉลี่ยอยู่ที่ 65%, 32% และ 32% ตามลำดับ โดยวิธีการที่นำเสนอมีความถูกต้องสูงกว่าคู่เปรียบเทียบอย่างมีนัยสำคัญทางสถิติ (p-value < 0.01) ผู้วิจัยคาดหวังว่าวิธีการที่ได้นำเสนอในวิจัยนี้จะสามารถนำไปปรับปรุง อาจใช้วิธีการกึ่งอัตโนมัติหรือวิธีการอัตโนมัติ ในการแบ่งเนื้อภาพ เช่น วิธี Hybrid Approach เพื่อให้ผลการจำแนกที่ดียิ่งขึ้นต่อไปในอนาคต |
| Other Abstract: | Mangrove forests help preserve the balance of costal ecosystems and environment. The value of mangrove forests is witnessed in the socio-economic development in many tropical countries. It’s therefore a must to monitor the changes of the mangrove forests by effective means so as to ensure sustainable managements. This work present mangrove species classification using high-resolution satellite images. The proposed method exploited image textural information in the post-classification process. The satellite data in use is the QuickBird image taken from the Pak Phanang district, Thailand. The total classification accuracies of the proposed method, Spectral Angle Mapper, and Grey Level Co-occurrence Matrix are 65%, 32%, and 32%, respectively. The statistical test confirmed the superiority of the proposed method (p-value < 0.01). The researchers expect that the method presented in this study can be applied. May use semi-automated method or automated method to divide the texture, such as Hybrid Approach for better classification in the future. |
| Description: | วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2558 |
| Degree Name: | วิศวกรรมศาสตรมหาบัณฑิต |
| Degree Level: | ปริญญาโท |
| Degree Discipline: | วิศวกรรมสำรวจ |
| URI: | http://cuir.car.chula.ac.th/handle/123456789/50316 |
| Type: | Thesis |
| Appears in Collections: | Eng - Theses |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| 5670348921.pdf | 3.01 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.