ارائه پارامترهای مناسب در شناسایی و استخراج ساختمانها و عوارض شهری با استفاده از تکنیکهای پردازش شیء گرای تصاویر هوایی

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 232

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_GEOP-26-80_017

تاریخ نمایه سازی: 30 مرداد 1401

چکیده مقاله:

دینامیک بودن یکی از ویژگی های مهم مناطق شهری است که به تبع آن نیازمندی به اطلاعات بروز و دقیق از تغییرات شهری برای مدیریت منابع شهری را مطرح می سازد. بنابراین تشخیص خودکار عوارض شهری در تصاویر هوایی و ماهواره ای در گستره وسیعی از جمله مدیریت بحران و برنامه ریزی شهری از اهمیت زیادی برخوردار است. در تحقیق حاضر سعی شد تا با استخراج ساختمان ها با روش شیءگرا و ارزیابی دقت حاصل از طبقه بندی به معرفی شاخص های بهینه برای ارائه چارچوبی نیمه اتوماتیک پرداخته شود که هم از دقت بالایی برخوارد باشد و استخراج عوارض شهری از تصاویر ماهواره ای را در کمترین زمان میسر سازد. فرآیند انجام تحقیق مبتنی بر روش پردازش شیء گرا عکس هوایی تهیه شده با پهباد در شهر ورزقان است. در این راستا، از قابلیت تکنیکهای پردازش شیء گرا در ارائه انواع الگوریتم ها و ایجاد الگوهای پردازش نیمه خودکار استفاده شده است. برای این منظور تصاویر با مقیاس ۸۰، بخش بندی شده و سپس با الگوریتم تقسیم بندی چند متغیره مورد تجزیه تحلیل قرار گرفت. طبقه بندی کلاس ها با بررسی آستانه ها کارآمد برای ۱۰ الگوریتم ژئومتری و مکانی انجام شده و دقت حاصله با استفاده از نقاط کنترل مورد ارزیابی قرار گرفت. درراستای سنجش کارآمدی روشهای پردازش شیءگرا، نتایج نشان می دهد که شاخص شکل با دقت ۹۷% ، ضریب کاپای ۰.۹۴ و ضریب روشنایی با دقت ۹۸% ، ضریب کاپای ۰.۹۶ از قابلیت موثری برای استخراج ساختمانهای شهری برخوردار هستند. نتایج این تحقیق درارائه پارامترهای کارآمد برای استخراج انواع عوراض شهری از کاربردهای متعددی برخوردار بوده و علاوه بر متخصصین سنجش از دور، می تواند برای برنامه ریزان و تصمیم گیران شهری در راستای شناسایی ساخت و سازها و در کل بررسی تغییرات شهری از قابلیت بالایی برخوردار باشد.

کلیدواژه ها:

استخراج ساختمان های شهری ، پردازش شیءگرا ، ارزیابی صحت ، شهر ورزقان

نویسندگان

عذرا معصومی

کارشناس ارشد سنجش از دور و GIS، دانشگاه تبریز

بختیار فیضی زاده

دانشیار گروه سنجش از دور و سیستم اطلاعات جغرافیایی دانشگاه تبریز

خلیل ولیزاده کامران

استاد گروه سنجش از دور و GIS دانشگاه تبریز

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • اجاقی، سعید ؛ خزائی، صفا ؛ (۱۳۹۵)، بهبود آشکارسازی تغییرات ...
  • حدادی، عطا الله ؛ صاحبی، محمود رضا؛ مختارزاده ،مهدی ؛ ...
  • عطارچی، سارا ؛ پور رحیمی ، مجتبی ؛ عیسی زاده ...
  • فاطمی، باقر ؛ رضایی، یوسف ؛ (۱۳۹۱)، مبانی سنجش از ...
  • فیضی زاده، بختیار ؛ رضایی مقدم، محمدحسین ؛ (۱۳۸۶)، مقایسه ...
  • فیضی زاده، بختیار،؛ سلمانی، سعید؛ (۱۳۹۵)، مدلسازی تخریب اراضی کشاورزی ...
  • فیضی زاده، بختیار؛ هلالی، حسین؛ (۱۳۸۸)، مقایسه روش های پیکسل ...
  • فیضی زاده، بختیار ؛ حاجی میررحیمی، محمود ؛ (۱۳۸۷)، آشکارسازی ...
  • Aytekin , Ö., Erener, A., Ulusoy, İ. and Duzgun, Ş., ...
  • Attarzadeh,R.and Momeni,M.:Object-Based Building Extraction from High Resolution Satellite Imagery,Int.Arch.Photogramm.Remote Sens.Spatial ...
  • Blaschke,T.(۲۰۱۰).object based image analysis for remote sensing ISRS Journal of ...
  • Bedawi ,S.and Kamel,M.,۲۰۱۱.Multiple Classifier System for Urban Area Extraction from ...
  • Congalton,R.G. ,& Green,K.(۲۰۰۸).Assessing the Accuracy of Remotely Sensed Data : ...
  • Comert , R., Kaplan , O . (۲۰۱۸). Object based ...
  • Dervisoglu , Adalet ., Bilgilioglu , Baha ., Yagmur , ...
  • Dragut, L.,Eisank, C. (۲۰۱۲).Automated object-based classification of topography from SRTM ...
  • Duro, D. C.,Franklin, S. E.and Duba , M. G.,۲۰۱۲.A comparison ...
  • Erener,A.,۲۰۱۳.Classification method , spectral diversity , band combination and accuracy ...
  • Foody, G. M.,۲۰۰۲, Status of land cover classification accuracy assessment,Remote ...
  • Feizizadeh , B.,۲۰۱۷. A Novel Approach of Fuzzy Dempster-Shafer Theory ...
  • Grinias,I.,Panagiotakis,C.,Tzirita.,G.,۲۰۱۶.MRF-based Segmentation and unsupervised classification for building and road detection ...
  • Huang , D., Shujuei , X., Jingqi , S., Saling ...
  • Jahnson , BA., Ma, L., ۲۰۲۰. Image segmentation and object-based ...
  • Ma, L.; Fu, T.; Blaschke, T.; Li, M.; Tiede, D.; ...
  • Oruc, M., Marangoz, A.M. & Buyuksalih, G. (۲۰۰۴). Comparison of ...
  • Otukei , J.R., Blaschke , T., ۲۰۱۰. Land cover change ...
  • Pal,M.and Mather,P.M.,۲۰۰۳.An assessment of effectiveness of decision tree methods for ...
  • Liu,W.and Prinet,V.r.,۲۰۰۵.Building detection from high-resolution Satellite image using probability model ...
  • Theng,L.B.,۲۰۰۶.Automatic building extraction from Satellite imagery Engineering,Letters,۱۳(۳):۲۵۵-۲۵۹ ...
  • Vijjapu,Pavan.(۲۰۱۳), Classification and Building Detection Using Fuzzy Sub_Objects Class Densities ...
  • نمایش کامل مراجع