ارائه یک روش سلسله مراتبی نظارت نشده برای شناسایی درختان با استفاده از داده های لیدار و تصاویر هوایی
Authors
abstract
شناسایی درختان توسط داده های سنجنده های هوایی در چند دهه ی اخیر توجه بسیاری از محققین علوم فتوگرامتری و سنجش از دور را به خود اختصاص داده است. در این مقاله سعی ما شناسایی درختان موجود در مناطق شهری شلوغ با استفاده از تصاویر هوایی و داده های لیزر اسکنر می باشد که به روش نظارت نشده انجام می شود. روش پیشنهادی این مقاله یک روند سلسله مراتبی است که از یکسری عملیات ساده تشکیل شده است. این روند به سه بخش کلی تقسیم می شود، که در بخش اول از تصاویر هوایی، و در بخش دوم و سوم از داده های لیدار استفاده شده است. در بخش اول سعی می شود پوشش گیاهی در مناطق سایه و آفتابی شناسایی شده و استخراج شود. این کار در مناطق آفتابی توسط شاخص پوشش گیاهی و در مناطق سایه توسط شاخص سایه انجام می گیرد. نتایج این بخش شامل چمن ها و بوته ها خواهد بود که باید حذف شوند. در بخش دوم برای حذف چمن ها از معیار نرخ تغییرات شیب استفاده می شود. نتایج این بخش نیز شامل عارضه های دیگری مانند بوته ها می باشد که این عارضه ها نیز باید حذف شوند. در بخش سوم با تهیه مدل رقومی زمین و سپس استخراج مدل رقومی نرمال شده سطح منطقه عوارض با یک ارتفاع خاص نیز از نتایج حذف می شوند. در نهایت 3 لایه بدست آمده از هر بخش در هم ضرب شده و لایه نتیجه نهایی بدست می-آید. برای اینکه بتوانیم نتایج کاری را با نتایج سایر روش های مشابه مقایسه کنیم از سری داده های انجمن بین المللی فتوگرامتری و سنجش از دور، کارگروه wg iii/4 استفاده کردیم. این داده ها به عنوان داده های مرجع در اختیار اعضای مشارکت کننده wg iii/4 قرار گرفتند تا روش های مختلف روی این داده ها ارزیابی شده و قابل مقایسه باشند. با مقایسه روند پیشنهادی با روش های دیگر به بررسی نقاط قوت و ضعف آن می پردازیم. در نواحی مختلف شناسایی درختان با توجه به شاخص کامل بودن %0/56 تا %2/70 و با توجه به شاخص صحت %7/65 تا %1/67 انجام شده است. با توجه به نظارت نشده بودن روش پیشنهادی و اتوماتیک بودن آن می توان با کار بیشتر در این زمینه به آینده امیدوار بود.
similar resources
ارائه یک روش سلسله مراتبی نظارت نشده برای شناسایی درختان با استفاده از دادههای لیدار و تصاویر هوایی
شناسایی درختان توسط دادههای سنجندههای هوایی در چند دههی اخیر توجه بسیاری از محققین علوم فتوگرامتری و سنجش از دور را به خود اختصاص داده است. در این مقاله سعی ما شناسایی درختان موجود در مناطق شهری شلوغ با استفاده از تصاویر هوایی و دادههای لیزر اسکنر میباشد که به روش نظارتنشده انجام میشود. روش پیشنهادی این مقاله یک روند سلسله مراتبی است که از یکسری عملیات ساده تشکیل شده است. این روند به سه...
full textبخش بندی نظارت نشده سلسله مراتبی تصاویر sar با استفاده از سوپرپیکسل و فشرده سازی پر اتلاف داده
این مقاله روشی به نام بخش بندی نظارت نشده سلسله مراتبی با استفاده از فشرده سازی پراتلاف داده برای تصاویر رادار روزنه ترکیبی (sar) ارائه می دهد که در آن از سوپرپیکسل ها به جای پیکسل ها استفاده شده است. در این مقاله، با ترکیب ویژگی هایی از قبیل لبه، بافت و شدت روشنایی به ادغام سوپرپیکسل ها پرداخته می شود که روند ادغام طی دو مرحله صورت می گیرد. با توجه به این که بسیاری از روش های مبتنی بر سوپرپیکس...
full textاستخراج پارامترهای هندسی درختان از داده لیدار برای مناطق جنگلی
برای استخراج پارامترهای هندسی تک تک درختان در گذشته از دو روش فتوگرامتری و میدانی استفاده می کردند، روش میدانی یعنی استخراج پارامترهای هندسی تک تک درختان به صورت دستی،اما روش میدانی به شدت وقت گیر می باشد همچنین عکسهای هوایی به طور مستقیم نمی توانند اطلاعات ساختار سه بعدی جنگل را تهیه کنند، به همین خاطر تکنولوژی لیدار اخیرا به طور گسترده ای مورد استفاده قرار گرفته است. اولین گام برای استخراج پا...
full textارائه یک روش بدون نظارت در شناسایی تغییرات تصاویر sar با استفاده از الگوریتم ژنتیک
در مقاله حاضر یک روش بدون نظارت برای آشکارسازی تغییرات در تصاویر ماهواره ای رادار با روزنه ترکیبی (sar) معرفی می شود. اساس این روش جست و جوی بهینه در فضای جواب های ممکن با اتکا بر الگوریتم ژنتیک است. برای این منظور یک تابع هزینه بر اساس معیار کمترین میانگین مربعات خطا و با در نظر گرفتن تصویر نسبت به دست آمده از تصاویر مشاهده شده ی غیر هم زمان از ناحیه جغرافیایی یکسان، معرفی می شود. به منظور کاه...
full textاستخراج سلسله مراتبی شبکه راه های اصلی با استفاده از داده های لیدار
لیدار یک تکنولوژی جدید و رو به رشد جهت جمع آوری اطلاعات از سطح زمین است که بر مبنای اندازه گیری فاصله لیزر عمل می نماید. دقت مسطحاتی و ارتفاعی بالای ابر نقاط برداشت شده توسط لیدار و قابلیت ثبت قدرت شدت سیگنال بازگشتی، این پتانسیل را ایجاد نموده است تا بتوان از این داده ها جهت شناسایی و استخراج اتوماتیک عوارض استفاده نمود. استخراج راه، به عنوان زیرساخت توسعه و مجاری ارتباطی یک کشور اهمیت بسیار ب...
full textبخشبندی نظارتنشده سلسله مراتبی تصاویر SAR با استفاده از سوپرپیکسل و فشردهسازی پر اتلاف داده
این مقاله روشی بهنام بخشبندی نظارتنشده سلسله مراتبی با استفاده از فشردهسازی پراتلاف داده برای تصاویر رادار روزنه ترکیبی (SAR) ارائه میدهد که در آن از سوپرپیکسلها بهجای پیکسلها استفاده شده است. در این مقاله، با ترکیب ویژگیهایی از قبیل لبه، بافت و شدت روشنایی به ادغام سوپرپیکسلها پرداخته میشود که روند ادغام طی دو مرحله صورت میگیرد. با توجه بهاینکه بسیاری از روشهای مبتنی بر سوپرپیکس...
full textMy Resources
Save resource for easier access later
Journal title:
مهندسی نقشه برداری و اطلاعات مکانیجلد ۵، شماره ۳، صفحات ۵۵-۶۶
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023