استخراج عوارض از تصاویر ماهواره ای WorldView-3با استفاده از الگوریتم آدابوست به کمک ویژگی های هار-لایک

پیشرفت و توسعه‌ی هر جامعه در گرو در دست داشتن اطلاعات صحیح و به هنگام از محیط پیرامون خود می‌باشد. بسیار از اطلاعات محیط پیرامون مربوط به موقعیت عوارض مختلف می‌باشد. این موقعیت‌ها می‌توانند از راه‌های مختلفی به دست بیایند. از جمله‌ی این راه‌ها می‌توان به استخراج دستی موقعیت این عوارض از تصاویر ماهواره‌ای اشاره کرد که به علت زمان و هزینه‌بر بودن این روش استفاده از آن چندان مفید و معقول به نظر می‌رسد. از این رو استخراج خودکار عوارض از تصاویر ماهواره‌ای با شرط دارا بودن دقت کافی می‌تواند به‌عنوان روشی مناسب برای جایگزین شدن روش‌های دستی مطرح گردد. در این مقاله به بررسی و تحلیل حساسیت الگوریتم آموزشی آدابوست[1] با استفاده از عوارض هار-لایک[2] پرداخته‌ایم. این الگوریتم در ابتدا به یک سری تصاویر به‌منظور الگوی آموزشی مثبت و منفی و برای آموزش الگوریتم نیاز دارد، لذا این تصاویر برای سه عارضه‌ی اتومبیل، هواپیما و مخازن نفتی استخراج شده و برای آموزش الگوریتم مورد استفاده قرار می­گیرد. پس از آموزش الگوریتم از تعداد الگوهای کافی برای هر کدام از عوارض استفاده شده، الگوریتم آموزش دیده و آماده برای استخراج عوارض از تصاویر ماهواره‌ای و در مقایس­های متفاوت می­باشد. در این پژوهش از تصاویر ماهواره‌ای WorldView-3 یا توان تفکیک مکانی نیم­متر استفاده شده است. پس از استخراج عوارض توسط الگوریتم به‌منظور بررسی دقت و کارایی الگوریتم به مقایسه‌ی نتایج این الگوریتم با نتایج حاصل از استخراج عوارض به‌صورت دستی پرداخته‌ایم که این مقایسه نشان از کارایی بالای الگوریتم در استخراج عوارض داشته است (دقت بالای 90%). از خصوصیات اصلی این روش، سرعت بالا در استخراج عوارض از تصاویر بسیار بزرگ می­باشد. در پایان نیز وابستگی دقت و تمامیت آن نسب به پارامترهای مختلف آموزشی مورد بررسی قرار گرفته و به تحلیل حساسیست پرداخته­ایم، که در زمینه‌ی آموزش الگوریتم به‌منظور استخراج عوارض دیگر بسیار کمک کننده می­باشد.   1 AdaBoost 2 Haar-Like