تشخیص و بازسازی اتوماتیک اشیا سه بعدی با استفاده از مفاهیم هوش مصنوعی و تئوری ادغام

تنوع و پیچیدگی بسیار زیاد عوارض و پدیده ها در طبیعت باعث می گردد خصوصیات توصیفی این عوارض، غیر قابل فرمول سازی ریاضی و پیش بینی باشند. از اینرو روش های پارامتریک مطرح در زمینه بینایی کامپیوتر که سعی بر استخراج و تشخیص اشیا بر مبنای یک فرمول سازی ریاضی داشته و به علت عدم توانایی یادگیری، به حل مسئله در یک حالت ایستا می پردازد، نمی توانند در عمل به عنوان یک راه حل کارا در برخورد با پدیده های موجود در طبیعت مطرح گردند. در این نوشته برای اولین بار روشی پویا بر مبنای بکارگیری مطق فازی به منظور بیان خصوصیات اشیا و بکارگیری مفاهیم ادغام در دو سطح داده ها و منطق ها در روند استنتاج به منظور استخراج و تشخیص اشیا سه بعدی ارائه گردیده است. با ادغام اطلاعات و داده های مختلف، از تمام اطلاعات جمع آوری شده در رابطه با شی استفاده گردید و با ادغام منطق فاززی و ساختار یادگیری شبکه های عصبی، روش فوق از قابلیت تطبیق پذیری و یادگیری اطلاعات جدید برخوردار گردیده است. روش ارائه شده از پنج مرحله اصلی: توجیه سنجیده ها، مدل سازی سطح، استخراج اشیا، تشخیص اشیا، تشخیص اشیا و بازسازی اشیا تشکیل گردیده است: در مرحله توجیه سنجیده ها، پس از تعیین وضعیت تصاویر در فضا و ایجاد ارتباط تحلیلی بین نقاط تصویر و شی نسبت به تصحیح ساختار هندسی تصاویر به منظور اعمال هندسه اپی پولار (نمونه برداری مجدد در راستای امتداد تصویر برداری) و ایجاد هرم های تصویری اقدام می گردد. با تعیین وضعیت سنجیده ها و اعمال تصحیحات لازم در آنها، در مرحله مدل سازی سطح، نسبت به تعیین مدل ارتفاعی سطح منظر بر مبنای انجام روند تناظریابی در فضای شی و تصویر (تناظریابی دوگانه) اقدام می گردد. در مرحله استخراج اشیا صرف نظر از نوع و ماهیت اشیا، بر مبنای اختلاف مشخصه های ساختاری ‏‎(structural)‎‏، بافتی ‏‎(textural)‎‏ و طیفی ‏‎(spectral)‎‏ آنها از اجسام دیگر و محیط اطراف، نسبت به تعیین محدوده هر یک از اشیا موجود در منطقه مورد بررسی اقدام می گردد. بدین منظور با توجه به مزایای بیان شده در رابطه با مشخصه ساختاری، ابتدا محدوده آنها بر مبنای اطلاعات فوق با بکارگیری عملگرهای مورفولوژیکی تعیین گردیده و در ادامه مشخصات دقیق محدوده اشیا با آنالیز همزمان مشخصه های ‏‎sts‎‏ قابل بیان از شی در قالب یک سیستم استنتاج فازی استخراج می گردد. با استخراج محدوده اشیا، در مرحله تشخیص اشیا، نسبت به تعیین مشخصه های ‏‎sts‎‏ در این نواحی به منظور بکارگیری همزمان آنها در قالب یک سیستم استنتاج فازی برای تشخیص عوارض مورد نظر اقدام می گردد. با توجه به عدم امکان تعریف دقیق پارامترهای توابع عضویت در رابطه با برخی از اشیا، این پارامترها می توانند در قالب یک سیستم استنتاج فلزی برای تشخیص عوارض مورد نظر اقدام می گردد. با توجه به عدم امکان تعریف دقیق پارامترهای توایع عضویت در رابطه با برخی از اشیا، این پارامترها می توانند در قابل یک سیستم نوروفازی به منظور دستیابی به مقادیر تصحیح شده آنها و یادگیری اطلاعات جدید بکار برده شوند. با تعیین محدوده اشیا مورد نظر و تشخیص نوع آنها، در مرحله بازسازی، نسبت به بازسازی مدل رقومی آنها در قالب یکی از سه استراتژی ؛نقطه ای؛ ؛سطحی؛ یا ؛حجمی؛ اقدام می گردد. نتایج حاصل از بکارگیری روش ارائه شده در تشخیص و بازسازی عوارض سه بعدی از نوع ساختمان، درخت و ماشین از تصاویر هوایی رنگی، بیانگر قابلیت بالای این روش در تشخیص عوارض سه بعدی است.