تهیه خودکار نقشه عوارض شهری با استفاده از دادههای سنجش از دور

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 737

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NICONF01_170

تاریخ نمایه سازی: 30 آبان 1394

چکیده مقاله:

نقشهها از معروفترین ابزارهای نمایش اطلاعات مکانی هستند که در کاربردهای فراوانی مورد استفاده قرار می گیرند تهیه نقشه باروشهای سنتی کاری زمانبر و پرهزینه است با پیشرفت تکنولوژی سنجشازدور، ههیه خودکار نقشههای مختلف ازجمله نقشه های عوارض شهری از دادههای دورسنجی به یکی از جالبترین موضوعات تحقیقی هبدیل شدهاست در تحقیق حاضر هدف استفاده توا م ازمزایای دو منبع داده مختلف سنجشازدوری شامل دادههای لیدار و تصاویر اپتیکی است لیدار یک سنجنده فعال است که با اندازه گیری فاصله بوسیله لیزر قادر به ارائه اطلاعات سهبعدی بسیار دقیق از عوارض میباشد لذ ا با استفاده از آن میتوان به مشکل مشابهات طیفی که غالبا در تصاویر اپتیکی با آن مواجه هستیم، غلبه کرد اطلاعات هندسی موجود در دادههای لیدار منجر به تفکیک بهتر عوارض ارتفاعی نظیر ساختما ها و درختان میشود لیکن شناسایی ساختما ها از درختا با استفاده انحصاری از دادههای لیدار با چالش مواجه است در پژوهش حاضر برای غلبه بر این مشکل، استفاده توا م از دادههای لیدار و تصاویر اپتیکی پیشنهاد شدهاست درروش پیشنهادی پساز حذ ف نقاط اشتباه از دادههای لیدار، لایه ارهفاع نرمالشده تولید میشود همچنین تبدیل HSI روی تصاویر اپتیکی اجرا میشود سپس باندهای R ، G و B و مولفههای HSI بههمراه لایه ارهفاع نرمالشده و دادههای شدت لیدار وارد طبقهبندی- کننده ماشین بردار پشتیبان میشوند و درنهایت روی خروجی طبقهبندی فیلتر اکثریت اعمال می گردد روش پیشنهادی روی سهمجموعهداده از ناحیه راین در کشور یلما پیادهسازی شدهاست که نتایج حاکی از 97/13و97/05و93/32 درصد دقت کلی به ترتیب برای منطقههای شماره یک، دو و سه است

نویسندگان

مهری روزبهانی

دانشجوی کارشناسی ارشد برنامه ریزی شهری

ندا فارسی زاده

دانشجوی کارشناسی ارشد برنامه ریزی شهری

ونوس فتحیان

دانشجوی کارشناسی ارشد برنامه ریزی شهری

محمد حاجب

مربی گروه سنجش ازدور و gis دانشگاه شهیدبهشتی

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 :
  • Antonarakis, A. S., Richards, K. S., Brasington, J., 2008. Object-based ...
  • Axelsson, P. 1999. Processing of laser Scanner data - algorithms ...
  • Bigdeli, B., S amadzadegan, F., Reinartz, P. 2014. A decision ...
  • Chapelle, O., Vapnik, V., 1999. Model Selection for Support Vector ...
  • Charaniya, A. P., Manduchi, _ & Lodha, S. K. 2004. ...
  • Cobby, D.M., Mason, D. C., Horritt, M. S., & Bates, ...
  • Congalton. R. G.1991, A Review of Assessing the Accuracy of ...
  • Cortes.C, Vapnik .V. 1995. _ _ Support-Vector Networks", Machine Learning, ...
  • Lohmann, P., Koch, A., & Schaeffer, M. 2000. Approaches to ...
  • Malpica, J. A., Alonso, M. C. 2010). Urban Changes With ...
  • Mason, D. C., Cobby, D. M., Horritt, M. S., & ...
  • Matkan, A.A., Hajeb, M., Sadeghian, S., 2014. Road Extraction from ...
  • Scholkopf. B., Smola. A.J. 2002. Learning with Kernels, MIT Press, ...
  • Shaker, A., El-Ashmawy, N. 2012, Land Cover Information Extraction Using ...
  • Tymkow, P., Borkowski, A. 2008. Land Cover Classfication Using Airborne ...
  • Van der Linden, S., Rabe, A., Okujeni, A., Hostert, P., ...
  • نمایش کامل مراجع