کشف اتوماتیک شبکه ی راه از تصاویر ماهواره ای با قدرت تفکیک بالا به کمک سیستم های فازی با تکیه بر اطلاعات بافت زاویه ای

در این مقاله یک روش کارا برای کشف راه از تصاویر با قدرت تفکیک بالای آیکونوس ارائه شده است. روش پیاده شده شامل چهار مرحله ی اصلی است: در مرحله ی اول تصویر ورودی با استفاده از روش خوشه بندی k-means به دو کلاس راه و پس زمینه تقسیم بندی می شود و سپس در این تصویر باینری، تعدادی از پیکسل هایی که به اشتباه طبقه بندی شده اند با استفاده از فیلتر میانه حذف می شوند. در مرحله ی دوم توصیفگرهای بافت زاویه ای (میانگین، فشردگی و گریز از مرکز) برای هر پیکسل راه در تصویر باینری محاسبه می شوند. در مرحله ی سوم، این توصیفگرها وارد سیستم استنتاج فازی می شوند. در سیستم فازی هر توصیفگر به عنوان یک متغیر زبانی با توابع عضویت گوسی معرفی می شود درحالیکه پارامترهای آن ها به صورت اتوماتیک و با استفاده از خصوصیات آماری هر توصیفگر تنظیم می شوند. همچنین تعدادی قوانین اگر-آنگاه فازی بر پایه ی دانش بشری در سیستم فازی طراحی شده مورد استفاده قرار می گیرند. با استفاده از غیرفازی ساز مرکزثقل، شبکه ی راه از دیگر عوارض دارای مشابهت طیفی (سایه ها، پارکینگ ها، ساختمان ها و غیره) جدا می گردد. سپس شبکه ی راه با اتصال پیکسل های راه به یکدیگر و حدف مسیرهای کوچک تکمیل می گردد. در مرحله ی نهایی جهت ارزیابی سیستم، نتایج بدست آمده با راه استخراج شده به صورت دستی مقایسه می گردند و تعدادی پارامترهای ارزیابی صحت محاسبه می شوند. همچنین روش سنتی طبقه بندی بیشترین درستنمایی نیز بکار گرفته می شود و پارامترهای ارزیابی مشابهی جهت مقایسه تعیین می گردند. نتایج حاصل کارایی روش پیاده سازی شده را در هر دو زمینه ی ارائه ی نتایج مطلوب در کشف راه و دستیابی به درجه ی خوبی از اتوماسیون نشان می دهد. همچنین مقیاسه نتایج حاصل با روش های سنتی کشف راه، گویای برتری الگوریتم پیشنهادی می باشد.