ترکیب تصاویر چندطیفی و SAR با قدرت تفکیک مکانی بالا بهمنظور آشکارسازی ساختمانها در مناطق شهری | ||
| نشریه سنجش از دور و GIS ایران | ||
| مقاله 1، دوره 13، شماره 1 - شماره پیاپی 49، 1400، صفحه 1-16 اصل مقاله (959.82 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.52547/gisj.13.1.1 | ||
| نویسندگان | ||
| مریم تیموری* 1؛ مهدی مختارزاده2؛ محمدجواد ولدان زوج3 | ||
| 1دانشجوی دکتری سنجش از دور، دانشگاه صنعتی خواجه نصیرالدین طوسی | ||
| 2دانشیار دانشکدة نقشهبرداری، دانشگاه صنعتی خواجه نصیرالدین طوسی | ||
| 3استاد دانشکدة نقشهبرداری، دانشگاه صنعتی خواجه نصیرالدین طوسی | ||
| چکیده | ||
| در این مقاله، بهمنظور رفع برخی محدودیتهای شناسایی ساختمان در تصاویر چندطیفی، از دادة SAR بهمنزلة دادة مکمل استفاده میشود. در روش پیشنهادی، برای استفادة همزمان از اطلاعات مفید در تصاویر رادار و چندطیفی، استراتژی مبتنیبر تلفیق تصاویر، با هدف شناسایی ساختمان، مطرح میشود. همچنین، ازآنجاکه انتخاب ویژگی نقش بسزایی در شناسایی و طبقهبندی عوارض دارد، اغلب روشهای مرسوم و رایج در این زمینه، مانند الگوریتم ژنتیک، نیازمند دادههای آموزشیاند؛ اما دردسترسنبودن همیشگی این نوع دادههای آموزشی یکی از دغدغههای مهم محققان بهشمار میآید. پس در این تحقیق، دو روش انتخاب ویژگی فیلترمبنا بررسی میشود تا مشخص شود آیا روشهای یادشده میتوانند، در مواقع لازم (نبودِ دادة آموزشی)، جایگزین الگوریتم ژنتیک شوند؟ بنابراین، در پژوهش حاضر، ابتدا بردار ویژگی بهینه از تصویر چندطیفی و SAR، با سه روش MNF وPCA و ژنتیک، تعیین و هریک جداگانه وارد هر دو طبقهبندیکنندة شبکة عصبی و SVM میشود. سپس بهمنظور رفع مشکلاتی، همچون تشابه طیفی پشتبامها با پوشش آسفالت خیابانها، در تصاویر چندطیفی و بهبود نتایج، دو تصویر چندطیفی و SAR در سطح ویژگی تلفیق میشود. در نهایت و در مرحلة بعدی، بهترین تصاویر طبقهبندیشده با شبکة عصبی و SVM، در تمامی بررسیهای صورتگرفته تا به این مرحله، وارد تلفیق در سطح تصمیمگیری میشوند. نحوة تلفیق در سطح تصمیمگیری بدینصورت است که اطلاعات همسایگی هر پیکسل در قالب پنجرة مکانی متحرک در ابعاد متفاوت، با هدف تصمیمگیری درمورد ماهیت هر پیکسل، استفاده میشود. بنابراین، نتایج حاصلشده در این تحقیق، با صحت کلی و دقت شناسایی ساختمان، بهترتیب 92.82% و 80.14% بیانگر عملکرد مناسب این روش است. | ||
| کلیدواژهها | ||
| آشکارسازی ساختمان؛ انتخاب ویژگی؛ SVM؛ شبکة عصبی | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 5,131 تعداد دریافت فایل اصل مقاله: 2,933 |
||