CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

AUTOMATIC DETECTION OF COLLAPSED BUILDINGS DUE TO EARTHQUAKE USING AERIAL IMAGES

اعتبار موردنیاز: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۱۳۳۸ | نظرات: ۰
سرفصل ارائه مقاله: Equathquake Risk Management
سال انتشار: ۱۳۸۶
کد COI مقاله: SEE05_344
زبان مقاله: انگلیسی
حجم فایل: ۴.۴۹ مگابات (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. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF 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 : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله AUTOMATIC DETECTION OF COLLAPSED BUILDINGS DUE TO EARTHQUAKE USING AERIAL IMAGES

Mehdi Rezaeian - Federal Institute of Technology (ETH) Zürich Institute for Geodesy and Photogrammetry, CH-8093 Zürich

چکیده مقاله:

We present a method based on two kinds of image-extracted features comparing stereo pairs of aerial images before and after earthquake. The study area is a part of the city of Bam, Iran where was hit strongly by an earthquake on December 26, 2003. In order to classify damages caused by earthquakes, we have explored the use of two kinds of extracted features: volumes (defined in object space) and edges (defined in image space). For this purpose, digital surface models (DSM) were created automatically from pre- and post-earthquake aerial images. Then the volumes of the buildings were calculated. In addition, a criterion for edge existence - in accordance with pre-event building polygon lines – from post-event images is proposed. A simple clustering algorithm, based on the nearest neighbor rule was implemented using these two features simultaneously. Based on visual inspection of the stereo images, three-level of damage scales (total collapse, partial collapse, no damage) were considered. By comparing pre- and postearthquake data the results have been evaluated. The overall success rate – total number of correctly
classified divided by the total number of samples – was found to be 71.4%. With respect to the totally collapsed buildings we obtained a success rate of 86.5% and 90.4% respectively, which is quite encouraging. The results of the analysis show that using multiple features can be useful to classify damages automatically and with high success rate. This can give first very valuable hints to rescue teams.

کلیدواژه‌ها:

Remote Sensing, Earthquakes, Detection, Segmentation, Aerial, Edge, Urban, Building

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-SEE05-SEE05_344.html
کد COI مقاله: SEE05_344

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:
Rezaeian, Mehdi, ۱۳۸۶, AUTOMATIC DETECTION OF COLLAPSED BUILDINGS DUE TO EARTHQUAKE USING AERIAL IMAGES, پنجمین کنفرانس بین المللی زلزله شناسی و مهندسی زلزله, تهران, پژوهشگاه بین المللی زلزله شناسی و مهندسی زلزله, https://www.civilica.com/Paper-SEE05-SEE05_344.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: (Rezaeian, Mehdi, ۱۳۸۶)
برای بار دوم به بعد: (Rezaeian, ۱۳۸۶)
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 :

  • Bite/li G, Camassi R, GuselaL, Mognol A (2004) _ mage ...
  • Congeton RG, Mead RA (1983) A quantitaive mehod to tes ...
  • Hasegawa H, Yamazaki F, Matsuoka M, Seikimoto I. (2000) Determination ...
  • Kouchi K, Yamazaki F, Kohiyama M, Matsuaka M, Muraoka N ...
  • Lillesand TM, Kiefer RW (1994) Remote Sensng ad Image Interpretaion, ...
  • Ogawa N, Yamazaki F (2000) Photo-i nterpreaion of buildings damage ...
  • Yamazaki F, Kouchi K, Kohiyama M, Muraoka N, Masuoka M ...
  • Yamazaki F, Yano Y, Masuoka M (2005) Visua damage intepreaion ...
  • 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.