CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

Automatic extraction of building in a dense urban area from very high resolution satellite images

اعتبار موردنیاز : ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۱۱۶۰ | نظرات: ۰
سرفصل ارائه مقاله: Electrical, Communication Engineering
سال انتشار: ۱۳۹۰
نوع ارائه: پوستر
کد COI مقاله: SASTECH05_234
زبان مقاله: انگلیسی
حجم فایل: ۴۳۰.۸۷ کیلوبایت (فایل این مقاله در ۸ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۸ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Automatic extraction of building in a dense urban area from very high resolution satellite images

  m ghanea - Dept. of Surveying Eng., Faculty of Eng., University of Isfahan, Isfahan
  p moallem - Dept. of Electrical Eng., Faculty of Eng., University of Isfahan, Isfahan
  m momeni - Dept. of Surveying Eng., Faculty of Eng., University of Isfahan, Isfahan

چکیده مقاله:

An inclusive accessibility of very high resolution (VHR) satellite images has generated more interest in automatic extraction of buildings for some practical applications such as updating geographic information system (GIS) database, land management, cadastre, and 3D city modeling. Extraction of buildings especially in a dense urban area containing many different and connected parts is an intricate problem due to a variety of difficulties such as a variety of difficulties such as a variety of difficulties such as a variety of difficulties such as a variety of difficulties such as a variety of difficulties such as a variety of difficulties such as a variety of difficulties such as a variety of difficulties such as a variety of difficulties such as a variety of difficulties such as a variety of difficulties such as a variety of difficulties such as a variety of difficulties such as a variety of difficulties such as a variety of difficulties such as a variety of difficulties such as a variety of difficulties such as a variety of difficulties such as a variety of difficulties such as a variety of difficulties such as a variety of difficulties such as a variety of difficulties such as a variety of difficulties such as shadows and similar spectra. In order to face this problem properly, we present an algorithm for extraction and improvement of buildings. The process consists of four steps: (1) separate building and non-building pixels, (2) improve the building layer, and (3) segment pixels that belong to the building layer. The proposed algorithm is evaluated for a case study in Tehran, Islamic Republic of Iran using a pan sharpened multispectral GeoEye satellite image. The experiments show that the algorithm extracts 78.3 % of buildings with a quality percentage 59.7 % in a dense urban area

کلیدواژه‌ها:

Building Extraction, Very High Resolution (VHR) Satellite Images, Dense Urban Area, K-means Clustering, Region Growing

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-SASTECH05-SASTECH05_234.html
کد COI مقاله: SASTECH05_234

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
ghanea, m; p moallem & m momeni, ۱۳۹۰, Automatic extraction of building in a dense urban area from very high resolution satellite images, پنجمین کنفرانس بین المللی پیشرفتهای علوم و تکنولوژی, مشهد, موسسه آموزش عالی خاوران, https://www.civilica.com/Paper-SASTECH05-SASTECH05_234.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (ghanea, m; p moallem & m momeni, ۱۳۹۰)
برای بار دوم به بعد: (ghanea; moallem & momeni, ۱۳۹۰)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • Aksoy, S., Tusk, C., Koperski, K, & Marchisio, G. (2003). ...
  • Aplin, P., Atkinson, P.M., & Curran, P. J. (1997). Fine ...
  • Baltsavias, E., Pateraki, M., & Zhang, L. (2001). Radiometric and ...
  • Carleer, A.P., Debeir, O., & Wolff, E. (2005). Assessment of ...
  • Croitoru, _ Doytsher, Y. (2004). Right-angle rooftop polygon extraction in ...
  • Herold, M., Liu, X., & Clarke, K. (2003). Spatial metrics ...
  • Jin, X., & Davis, C.H. (2005). Automated building extraction from ...
  • Lee, D. S., Shan, J., & Bethel, J. S. (2003). ...
  • Liu, Z., Cui, S., & Yan, Q. (2008). Building extraction ...
  • Muller, J.P., Ourzik, C., Kim, T., & Dowman, I.J. (1997). ...
  • "sAsTech 2011, Khavaran Higher-education Institute, Mashhad, Iran. May 12-17. ...
  • Miller, S., Zaum, D. W. (2005). Robust building detection in ...
  • Najman, L. & Talbot, H. (2010). Mathematicat morphology: from theory ...
  • Shapiro, L. G., & Stockman, G. C. (2001). Computer Vision. ...
  • Shufelt, J. A., (1999). Performance evaluation and analysis of monocular ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۱۳۱۸۰
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.