Please use this identifier to cite or link to this item:
https://cuir.car.chula.ac.th/handle/123456789/65292
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | อิทธิ ตริสิริสัตยวงศ์ | - |
dc.contributor.author | ชัชชัย เดชเกตุ | - |
dc.contributor.other | จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์ | - |
dc.date.accessioned | 2020-04-12T13:54:26Z | - |
dc.date.available | 2020-04-12T13:54:26Z | - |
dc.date.issued | 2545 | - |
dc.identifier.isbn | 97416834 | - |
dc.identifier.uri | http://cuir.car.chula.ac.th/handle/123456789/65292 | - |
dc.description | วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2545 | en_US |
dc.description.abstract | เป็นที่ทราบกันดีว่าในทางทฤษฎีแล้ว การจำแนกภาพดาวเทียมด้วยวิธีความคล้ายคลึงมากที่สุด ซึ่งอาศัย Baye’s Decision Rule เป็นวิธีการที่ให้ผลลัพธ์ที่ถูกต้องดีที่สุดหาก Spectral Signature ของวัตถุที่สนใจแต่ละประเภทมีลักษณะเป็นเส้นโค้งปกติที่เป็นรูประฆังคว่ำสมมาตรข้อจำกัดของวิธีความคล้ายคลึงมากที่สุด คือโดยทั่วไป Spectral Signature ของวัตถุหริอพื้นที่ที่ สนใจแต่ละชนิดมักจะไม่เป็นเส้นโค้งปกติ ทำให้ผลลัพธ์ที่ได้จากวิธีความคล้ายคลึงมากที่สุด ไม่ใช่ผลลัพธ์ที่ดีที่สุดอีกต่อไป การจำแนกภาพดาวเทียมด้วยวิธีโครงข่ายใยประสาทเทียม มีข้อเด่นที่ไม่อ้างอิงกับสมมติฐานใด ๆ ที่เกี่ยวกับการกระจายตัวของค่าความสว่างของจุดภาพทำให้โดยหลักการแล้ววิธีโครงข่ายใยประสาทเทียมสามารถให้ผลลัพธ์ที่เหนือกว่าหรือเทียบเท่าวิธีความ คล้ายคลึงมากที่สุด หากประยุกต์ใช้อย่างเหมาะสม งานวิจัยนี้เป็นการจำแนกภาพดาวเทียม LANDSAT 5TM ของพื้นที่ชายฝังระยองและจันทบุรีซึ่งเป็นพื้นที่ที่มีลักษณะการใช้ที่ดินหลากหลาย เพื่อเปรียบเทียบความถูกต้องที่ได้จากผลการจำแนกโดยวิธีการทั้งสอง ความถูกต้องของจำแนกภาพที่ได้จาก Confusion Matrix ของทั้งสองวิธีแสดงให้เห็นว่าการจำแนกด้วยวิธีโครงข่ายใยประสาทเทียมแบบ Error Back Propagation ให้ความถูกต้องที่ดีกว่าวิธีความคล้ายคลึงมากที่สุด สำหรับการใช้ที่ดินทุกประเภท โดยเฉพาะอย่างยิ่งในกรณีที่การใช้ที่ดินชนิดใดชนิดหนึ่งมีค่า Separability ตํ่าเมื่อเทียบกับการใช้ที่ดินอีกประเภทหนึ่ง วิธีความคล้ายคลึงมากที่สุดให้ผลการจำแนกที่ด้อยกว่าวิธีโครงข่ายในประสาทเทียมเป็นอย่างมาก และจากค่า Skewness ที่ได้จากผลการวิจัยชี้ให้เห็นถึงข้อมูลส่วนใหญ่ที่มีลักษณะการกระจายตัวไม่เป็นแบบเส้นโค้งปรกติ จึงทำให้วิธีโครงข่ายใยประสาทเทียมเป็นอีกทางเลือกที่มีความเหมาะสมในการจำแนกภาพดาวเทียมที่มีค่า Spectral Signature ไม่เป็นไปตามสมมติฐานของเส้นโค้งปรกติ ถึงแม้จะต้องอาศัยขันตอนการจำแนกทีมีความยุ่งยากกว่า | - |
dc.description.abstractalternative | Theoretically, maximum likelihood classification by Baye’s Decision yields optimum result if spectral signatures of interested objects are normally distributed. However, this assumption is not always hold and consequently the results from maximum likelihood classification in such cases are no longer optimum. The technique of artificial neural network classification is not based on any assumption regarding DN distribution, thus better or at least the same accuracy could be achieved if the technique is suitably applied. This study classifies a LANDSAT 5 TM imagery covering the coastline of Chantaburi and Rayong provinces. There are many types of landuse within the study area, which can be used to compare the accuracy of classification by these two methods. Spectral signature of each landuse has a varied skewness. The confusion matrices show that the results from error back propagation neural network are more accurate than those from maximum likelihood for all landuse types, particularly in the case when two landuse types have low separability. The study outcome demonstrates the limitation of maximum likelihood technique. Even through artificial neural network classification is more complicated but is an attractive alternative if the assumption of normal distribution is not met. | - |
dc.language.iso | th | en_US |
dc.publisher | จุฬาลงกรณ์มหาวิทยาลัย | en_US |
dc.rights | จุฬาลงกรณ์มหาวิทยาลัย | en_US |
dc.subject | การวิเคราะห์ข้อมูลภาพระยะไกล | en_US |
dc.subject | การวิเคราะห์ข้อมูลระยะไกล | en_US |
dc.subject | นิวรัลเน็ตเวิร์ค (วิทยาการคอมพิวเตอร์) | en_US |
dc.subject | ภาพถ่ายทางอากาศ | en_US |
dc.subject | แบคพรอพาเกชัน (ปัญญาประดิษฐ์) | en_US |
dc.subject | Remote-sensing images | en_US |
dc.subject | Remote sensing | en_US |
dc.subject | Neural networks (Computer sciences) | en_US |
dc.subject | Aerial photographs | en_US |
dc.subject | Back propagation (Artificial intelligence) | en_US |
dc.title | การศึกษาเปรียบเทียบวิธีการจำแนกภาพดาวเทียม โดยใช้วิธีการแพร่กลับความคลาดเคลื่อน ในโครงข่ายใยประสาทเทียมกับวิธีความคล้ายคลึงมากที่สุด | en_US |
dc.title.alternative | Comparative study of error back propagation neural network and maximum likelihood method for satellite image classification | en_US |
dc.type | Thesis | en_US |
dc.degree.name | วิศวกรรมศาสตรมหาบัณฑิต | en_US |
dc.degree.level | ปริญญาโท | en_US |
dc.degree.discipline | วิศวกรรมสำรวจ | en_US |
dc.degree.grantor | จุฬาลงกรณ์มหาวิทยาลัย | en_US |
dc.email.advisor | Itthi.T@chula.ac.th | - |
Appears in Collections: | Eng - Theses |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Chatchai_de_front_p.pdf | หน้าปก บทคัดย่อและสารบัญ | 828.56 kB | Adobe PDF | View/Open |
Chatchai_de_ch1_p.pdf | บทที่ 1 | 838.52 kB | Adobe PDF | View/Open |
Chatchai_de_ch2_p.pdf | บทที่ 2 | 1.31 MB | Adobe PDF | View/Open |
Chatchai_de_ch3_p.pdf | บทที่ 3 | 1.19 MB | Adobe PDF | View/Open |
Chatchai_de_ch4_p.pdf | บทที่ 4 | 1.53 MB | Adobe PDF | View/Open |
Chatchai_de_ch5_p.pdf | บทที่ 5 | 667.79 kB | Adobe PDF | View/Open |
Chatchai_de_back_p.pdf | รายการอ้างอิง และภาคผนวก | 1.11 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.