بررسی سیستم های نوروفازی انطباق پذیر در شناسایی ساختمان های شهری از تصاویر هوایی دیجیتال و داده های لیدار

Authors

پرهام پهلوانی

p. pahlavani unviersity of tehranدانشگاه تهران سیامک طالبی نهر

s. talebi nahr tafresh universityدانشگاه تفرش روح الله کریمی

r. karimi tafresh universityدانشگاه تفرش

abstract

شناسایی و استخراج عوارض از تصاویر هوایی از دیرباز مورد توجه بسیاری از محققین فعال در فتوگرامتری و سنجش ازدور بوده است. با ظهور سنجنده های جدید مانند لیدار و ترکیب داده های این سنجنده ها و تصاویر هوایی بحث شناسایی و استخراج وارد دوره جدیدی شده است. به دلیل توانایی زیاد مدل های نروفازی انطباق پذیر (انفیس) در حل مسائل پیچیده، استفاده از این مدل ها به صورت روز افزون در حال افزایش می باشد. مدل های نروفازی توانایی کار با مقدار زیاد داده ها و روابط خطی و غیر خطی بین آنها را دارا می باشند. در این تحقیق، روشی بر مبنای مدل های نروفازی برای شناسایی ساختمان ها با استفاده از داده های لیدار و تصاویر دیجیتال هوایی ارائه می گردد. بر این اساس، چهار توصیفگر باند سبز، شاخص گیاهی نرمال شده و دو مدل رقومی سطح نرمال شده (که توسط دو الگوریتم متفاوت تولید می شوند) به عنوان ورودی های مدل نروفازی استفاده می شوند. مدل نروفازی ارائه شده از سه الگوریتم مختلف برای تولید ساختار سیستم استنتاج فازی استفاده می کند. این الگوریتم ها شامل قسمت بندی شبکه ای (grid partitioning)، خوشه بندی کاهشی و خوشه بندی فازی می شوند. روش ارائه شده در این تحقیق بر روی سه ناحیه مختلف از شهر وایهینگن آلمان مورد آزمایش قرار می گیرد. این نواحی توسط کارگروه iii/4 جامعه بین المللی فتوگرامتری و سنجش ازدور در اختیار محققین قرار گرفته و از آنها خواسته شده تا نتایج حاصل از روش های خود برای شناسایی و بازسازی عوارض شهری را برای مقایسه به این کار گروه بفرستند. حال در این پژوهش نتایج بدست آمده از سه الگوریتم نروفازی و نتایج مشارکت کننده های کارگروه iii/4 مقایسه و مورد بحث قرار خواهند گرفت. این مقایسه بر اساس معیارهای کمال، صحت، کیفیت و خطای مجذور میانگین در دو مبنای پیکسلی و عارضه ای انجام خواهد گرفت. نتایج حاصل از این مقایسه ها حاکی از توانایی بالای مدل های نروفازی انطباق پذیر در شناسایی ساختمان در مقایسه با بقیه روش ها دارد. این روش ها در شناسایی ساختمان هایی با مساحت بزرگ تر از 50 مترمربع با در نظر گرفتن معیار کمال، 100 % موفق بوده اند. همچنین با در نظر گرفتن معیار کمال و صحت در شناسایی عوارض بزرگ تر از 50 مترمربعی، همواره به درصدهای بالای 90 رسیده اند.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

بررسی سیستم‌های نوروفازی انطباق‌پذیر در شناسایی ساختمان‌های شهری از تصاویر هوایی دیجیتال و داده‌های لیدار

شناسایی و استخراج عوارض از تصاویر هوایی از دیرباز مورد توجه بسیاری از محققین فعال در فتوگرامتری و سنجش‌ازدور بوده‌است. با ظهور سنجنده های جدید مانند لیدار و ترکیب داده های این سنجنده ها و تصاویر هوایی بحث شناسایی و استخراج وارد دوره جدیدی شده است. به دلیل توانایی زیاد مدل های نروفازی انطباق پذیر (انفیس) در حل مسائل پیچیده، استفاده از این مدل ها به‌صورت روز افزون در حال افزایش می باشد. مدل های ن...

full text

استخراج دانش از سیستم استنتاج نوروفازی انطباق پذیر جهت شناسایی عوارض خاص شهری (مطالعه موردی: درختان و ساختمان ها)

امروزه از سیستم های شناسایی قدرتمندی جهت کلاسه بندی داده ها استفاده می شود که روند یادگیری در آن ها به صورت جعبه سیاه بوده بگونه­ای که نحوه کلاسه­بندی و ارتباط بین توصیفگرها برای کاربر قابل فهم نمی­باشند.. درحالی که قابل فهم بودن دانش بدست آمده توسط سیستم های شناسایی می تواند کمک شایان توجهی به کاربر نماید تا کلاسه بندی را با دقت و صحت بیشتری انجام دهد. ازاین رو کشف دانش در قالب استخراج مجموعه­...

full text

شناسایی و بازسازی سه بعدی ساختمان های شهری با استفاده از تصاویر هوایی رقومی و داده های لیدار

تحقیق حاضر به شناسایی و بازسازی سه بعدی ساختمان ها به عنوان یکی از مهم ترین عوارض شهری با استفاده از تصاویر هوایی رقومی و داده های لیدار پرداخته است. در این راستا به طراحی، پیاده سازی و ارزیابی روش هایی به منظور شناسایی ساختمان ها از میان عوارض مختلف شهری و بازسازی سه بعدی آن ها اقدام گردیده است. در این تحقیق به منظور شناسایی ساختمان ها از سیستم استنتاج نوروفازی انطباق پذیر استفاده گردید. به ...

بازسازی سه بعدی ساختمان های دارای سقف های مسطح با استفاده از داده های لیدار و تصاویر رقومی هوایی

در این مقاله روندی برای بازسازی ساختمان های مسطح از داده های لیدار و تصاویر رقومی هوایی ارائه شده است. زیرا از یک سو، این نوع ساختمان ها، بافت اصلی شهرهای بزرگ ایران را تشکیل می دهند. از سوی دیگر، تفکیک صفحات و بازسازی آن ها به دلیل یکسان بودن بردار نرمال برای تمام صفحات و عدم تقاطع صفحات به دلیل موازی بودن، موضوعی پرچالش است. در این راستا، ابتدا با تولید 16 توصیفگر اولیه بالقوه و استفاده از ال...

full text

طبقه بندی عوارض شهری با استفاده از داده های لیدار و تصاویر دیجیتال هوایی بر اساس مدل های نروفازی

شناسایی و استخراج عوارض از تصاویر هوایی از دیرباز موردتوجه بسیاری از محققین فعال در فتوگرامتری و سنجش ازدور بوده است. با ظهور سنجنده¬های جدید مانند لیدار و ترکیب داده¬های این سنجنده¬ها و تصاویر هوایی بحث شناسایی و استخراج وارد دوره جدیدی شده است. به دلیل توانایی زیاد مدل های نروفازی انطباق پذیر در حل مسائل پیچیده، استفاده از این مدل¬ها به صورت روزافزون در حال افزایش می باشد. مدل های نروفازی توا...

شناسایی گونه های درختی پلت و ممرز با استفاده از مشخصه های هندسی و آماری به‌دست‌آمده از داده های لیدار هوایی

در این پژوهش امکان استفاده از مشخصه­ های هندسی و آماری به‌دست‌آمده از داده­ های لیدار برای شناسایی پایه­ های درختی پلت (Acer velutinum) و ممرز (Carpinus betulus) در سری یک جنگل‌ آموزشی- پژوهشی شصت­ کلاته گرگان بررسی شد. برای این منظور داده­ های لیدار درختان نمونه از کل ابر نقاط لیزر منطقه مورد مطالعه با استفاده از مختصات مرکز تنه و قطر تاج (برداشت­ شده در زمین) جداسازی شد. در عملیات میدانی، 80 ...

full text

My Resources

Save resource for easier access later


Journal title:
علوم و فنون نقشه برداری

جلد ۵، شماره ۱، صفحات ۱۰۹-۱۲۵

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023