کشف اتوماتیک شبکه‌ی راه از تصاویر ماهواره‌ای با قدرت‌تفکیک بالا به کمک سیستم‌های‌فازی با تکیه بر اطلاعات بافت زاویه‌ای

در این مقاله یک روش کارا برای کشف راه از تصاویر با قدرت تفکیک بالای آیکونوس ارائه شده است. روش پیاده‌شده شامل چهار مرحله‌ی اصلی است: در مرحله‌ی اول تصویر ورودی با استفاده از روش خوشه‌بندی K-means به دو کلاس راه و پس‌زمینه تقسیم‌بندی می‌شود و سپس در این تصویر باینری، تعدادی از پیکسل‌هایی که به اشتباه طبقه‌بندی شده‌اند با استفاده از فیلتر میانه حذف می‌شوند. در مرحله‌ی دوم توصیفگرهای بافت زاویه‌ای (میانگین، فشردگی و گریز از مرکز) برای هر پیکسل راه در تصویر باینری محاسبه می‌شوند. در مرحله‌ی سوم، این توصیفگرها وارد سیستم استنتاج فازی می‌شوند. در سیستم فازی هر توصیفگر به عنوان یک متغیر زبانی با توابع عضویت گوسی معرفی می‌شود درحالیکه پارامترهای آن‌ها به صورت اتوماتیک و با استفاده از خصوصیات آماری هر توصیفگر تنظیم می‌شوند. همچنین تعدادی قوانین اگر-آنگاه فازی بر پایه‌ی دانش بشری در سیستم فازی طراحی‌شده مورد استفاده قرار می‌گیرند. با استفاده از غیرفازی‌ساز مرکزثقل، شبکه‌ی راه از دیگر عوارض دارای مشابهت طیفی (سایه‌ها، پارکینگ‌ها، ساختمان‌ها و غیره) جدا می‌گردد. سپس شبکه‌ی راه با اتصال پیکسل‌های راه به یکدیگر و حدف مسیرهای کوچک تکمیل می‌گردد. در مرحله‌ی نهایی جهت ارزیابی سیستم، نتایج بدست آمده با راه استخراج‌شده به صورت دستی مقایسه می‌گردند و تعدادی پارامترهای ارزیابی صحت محاسبه می‌شوند. همچنین روش سنتی طبقه‌بندی بیشترین درستنمایی نیز بکار گرفته می‌شود و پارامترهای ارزیابی مشابهی جهت مقایسه تعیین می‌گردند. نتایج حاصل کارایی روش پیاده‌سازی‌شده را در هر دو زمینه‌ی ارائه‌ی نتایج مطلوب در کشف راه و دستیابی به درجه‌ی خوبی از اتوماسیون نشان می‌دهد. همچنین مقیاسه نتایج حاصل با روش‌های سنتی کشف راه، گویای برتری الگوریتم پیشنهادی می‌باشد.