سال انتشار: ۱۳۸۶

محل انتشار: سومین کنگره ملی مهندسی عمران

تعداد صفحات: ۸

نویسنده(ها):

زهرا لاری – دانشجوی کارشناسی ارشد نقشه برداری ( فتوگرامتری)، دانشگاه صنعتی خواجه نصیرال
حمید عبادی – استادیار گروه فتوگرامتری و سنجش از دور دانشگاه صنعتی خواجه نصیرالدین طوسی

چکیده:

استخراج اتوماتیک عارضه ساخنمات از تصاویر ماهواره ای، یک مساله تحقیقاتی باز در فتوگرامتری رقومی وسنجش از دور است. در حالی که الگوریتم های بسیاری برای استخراج ساختمانها ارائه شده اند، هیچ یک از آنها نمی توانند مساله را به طور کامل حل کنند. در این مقاله چهارچوب سیستمی برای افزایش درجه اتوماسیون در استخراج ساختمان ها با بمهای مختلف از تصاویر ماهواره ای چند طیفی با قدرت تفکیک بالا از کشورهای خاورمیانه ( که بامها اشکال مختلفی دارند) از جمله کشور ایران ارائه می شود. این تحقیق سیستمی را تشریح می کند که بخش تصمیم گیری آن، بر مبنای الگوریتم های شبکه های عصبی مصنوعی عمل می کند. این سیستم بوسیله زبان برنامه نویسی #C توسعه یافته و سعی شده که تا جای ممکن کاربر پسند باشد، به همین دلیل بصورتی طراحی شده است که کاربران آن نیازی به اطلاع از نظریه شبکه های عصبی مصنوعی نداشته باشند. سیستم ارائه شده در دو فاز مختلف عمل می نماید، فاز اول یادگیری و فاز دوم کاربرد است. در فاز اول شبکه عصبی موجود در سیستم به کمک داده های ذخیره شده آزمایشی، آموزش می بیند و در فاز دوم، سیستم جهت تشخیص ساختمانها در تصاویر ماهواره ای مورد استفاده قرار می گیرد. تصویر ماهواره ای انتخاب شده برای آزمایش این سیستم، تصاویر PAN و multispectral سنجنده Ikono از منطقه شهری کاشان به مساحت ۱۰۰km2 می باشد. در بخش ارزیابی نتایج، نشان داده می شود که سیستم مذکور، در این مقاله می تواند بیش از ۸۴ درصد ساختمانهای موجود در تصویر مورد مطالعه را تشخیص دهد.