طراحی یک پایگاه قوانین عارضه مبنا جهت کشف عارضه راه از تصاویر ماهواره ای با حد تفکیک مکانی بالا

افزایش دسترسی به تصاویر ماهواره ای با حد تفکیک مکانی بالا بیش از پیش امکان شناسایی و استخراج اتوماتیک عوارض راه را برای ما فراهم نموده است. در حال حاضر اغلب روش های ارائه شده جهت شناسایی و استخراج اتوماتیک عوارض راه پیکسل مبنا بوده که بر اساس درجه خاکستری هر پیکسل عمل می نمایند. به دلیل ضعف اطلاعات موجود در یک پیکسل، توانایی تفسیر مفهومی تصویر از طریق روش های پیکسل مبنا بسیار ضعیف می باشد. در صورتی که در روش های عارضه مبنا، علاوه بر ویژگی های طیفی، ویژگی هایی همچون بافت، ساختار، مقیاس و اطلاعات متنی مانند اطلاعات در رابطه با ماهیت عوارض مجاور و نحوه ارتباط با آن ها برای هر عارضه تصویری قابلیت تعریف دارند و به همین دلیل پردازش های تصویری حاصل از آ ن ها نتایج قابل اطمینان تری را نیز در اختیار می گذارند. از ان رو در این مقاله سعی شده است با توجه به مزایای روش های عارضه مبنا روشی کارا در قالب یک سیستم دانش مبنا جهت کشف اتوماتیک عارضه راه از تصاویر ماهواره ای طراحی و پیاده سازی گردد. در مرحله اول به دلیل تعداد بالای ویژگی های قابل تعریف برای هر قطعه تصویری در روش های عارضه مبنا و اهمیت استفاده از ویژگی های شاخص در تفکیک عوارض از یکدیگر، استفاده از الگوریتم ژنتیک در تلفیق با الگوریتم طبقه بندی نزدیکترین همسایگان جهت یافتن مؤثرترین ویژگی ها در شناسایی عارضه راه پیشنهاد گردیده است. در مرحله دوم یک سیستم دانش مبنا با توجه به دانش موجود، بررسی داده ها و همچنین با بهره گیری از هوش انسانی در شناسایی عارضه راه طراحی خواهد گردید. تصاویر مختلفی از ماهواره ikonos به منظور تولید قوانین دانش مبنا و همچنین جهت ارزیابی و اعتبار سنجی سیستم پیشنهادی مورد استفاده قرار گرفته است. نتایج اعتبارسنجی حاکی از کارایی و قابلیت اعتماد آنالیز های عارضه مبنا و هم چنین پایگاه قوانین ارائه شده می باشد.