توسعه روش قطعه بندی در پردازش شئ گرای تصاویر بزرگ مقیاس به منظور کشف تغییرات شبکه راه ها

thesis
abstract

بر اثر فعالیت های انسانی و پدیده های طبیعی، همواره چهره زمین دستخوش تغییرات می شود. شناسایی این تغییرات به خصوص در شبکه راه ها که به عنوان یکی از مهمترین عوارض ساخته دست بشر تلقی می شوند، از جمله نیازهای برنامه ریزی و مدیریت شهری به شمار می آید. انعطاف پذیری و قابلیت های بالای روش های طبقه بندی باعث شده است تا به عنوان یکی از مهمترین روش های آشکارسازی تغییرات عوارض، از جمله راه ها، در تصاویر ماهواره ای مورد استفاده قرار گیرند. روش های طبقه بندی شئ گرا به دلیل درنظر گرفتن ویژگی هایی نظیر بافت، خصوصیات هندسی و شاخص های شکل نسبت به روش های پیکسل مبنا از جایگاه ویژه ای برخوردارند. در این راستا اولین گام برای دست یافتن به نتایج قابل قبول طبقه بندی شئ گرا، قطعه بندی مناسب می باشد. یکی از روش های قطعه بندی که در سال های اخیر مورد توجه قرار گرفته است، قطعه بندی چند مقیاسه می باشد. این روش جزء معدود روش هایی است که علاوه بر به کارگیری اطلاعات ثبت شده در تصاویر )مقادیر طیفی( پارامترهای هندسی را نیز درنظر می گیرد. اما این الگوریتم نیاز به یک سری پارامترهایی دارد که معمولا به روش سعی و خطا به دست می آید. درنتیجه هزینه و زمان زیادی را به خود اختصاص می دهد. بنابراین، یافتن پارامترهای بهینه به صورت خودکار امری اجتناب ناپذیر است. در میان الگوریتم های موجود برای تعیین پارامترهای بهینه، الگوریتم ژنتیک یکی از پرکاربردترین روش ها محسوب می شود. یکی از اجزای اصلی الگوریتم ژنتیک تابع شایستگی می باشد که به طور چشمگیری نتایج را تحت تاثیر قرار داده و کل فرآیند را کنترل می کند. بنابراین این تابع باید متناسب با مسئله موردنظر به بهترین نحو طراحی شود. در این پایان نامه از طبقه بندی پیکسل مبنا و شئ گرا به منظور آشکارسازی تغییرات با تاکید بر عارضه راه استفاده شده است. طبقه بندی شئ گرا برمبنای نزدیکترین همسایگی فازی و طبقه بندی نظارت شده پیکسل مبنا به روش بیشترین احتمال، متوازی السطوح و کمترین فاصله روی تصویر پیاده سازی شده است. علاوه براین با به کارگیری الگوریتم ژنتیک، پارامترهای قطعه بندی چند مقیاسه بهینه سازی شده است. با توجه به نقش تابع شایستگی در یافتن جواب بهینه الگوریتم ژنتیک، یک تابع شایستگی مناسب برای قطعه بندی راه پیشنهاد شده و علاوه بر بررسی آن، به بررسی اجزای تشکیل دهنده آن پرداخته می شود. به منظور برآورد دقت و عملکرد روش پیشنهادی، از تصاویر پن شارپ شده آیکونوس محدوده ای از شهر شیراز استفاده شده است. ارزیابی کلی نتایج بر اساس ارزیابی کمی و تفسیر بصری در فازهای مختلف انجام می شود. دقت کلی بالاتر از 93% در مرحله بهینه سازی قطعه بندی حاکی از آن است که به کارگیری الگوریتم ژنتیک و تابع شایستگی طراحی شده نقش بسزایی در دقت قطعه بندی داشته است. دقت کلی بالاتر از 92% در مرحله طبقه بندی شئ گرا، استحکام روش شئ گرا را در طبقه بندی نشان می دهد. به طور کلی برآورد پارامترهای مختلف ارزیابی دقت، کارائی روش پیشنهادی در این تحقیق را به اثبات می رساند.

similar resources

آشکارسازی تغییرات کاربری/پوشش اراضی با پردازش شئ گرای تصاویر ماهواره ای (مطالعه موردی: شهرستان تبریز)

در طول زمان، الگوهای پوشش زمین و به تبع آن کاربری اراضی دچار تغییر و دگرگونی اساسی مـی­شوند. اصولاً برای استفاده بهینه از قابـلیت های منابع طبیعی، کسب اطـلاعات دقیق از پتانسیل­های کاربری اراضی امری ضروری است. امروزه، فن­آوری سنجش از راه دور به عنوان یک راهکار ارزشمند در جهت شناسایی منابع طبیعی، به­ویژه در روند تهیه نقشه­های کاربری اراضی، در مناطق مختلف جهان به صورت علمی مورد استناد قرار می­گیرد....

full text

پیش پردازش به منظور قطعه بندی تصاویر پزشکی

تصاویر رادیولوژی و ام آر آی (تشدید مغناطیسی) از پرکاربرد ترین تصاویر پزشکی جهت تشخیص بیماری هستند. تصویربرداری ام آر آی به عنوان یکی از قوی ترین روش های تصویربرداری تشخیصی شناخته شده است. تصویر برداری رادیولوژی سریع تر از تصویربرداری ام آر آی است و در تشخیص بیماران تروما اهمیّت ویژه ای دارد. تروما به معنی آسیبی است که بر اثر وارد شدن ضربه به بدن به وجود می آید. عدم تفکیک بافت های سخت و نرم در تص...

روشی نوین به منظور استخراج دقیق نقطه تقاطع شبکه ی راه در تقاطع های کاندید بر روی تصاویر بزرگ مقیاس

با توجه به اهمیت نقاط تقاطع شبکه راه در زمینه­های گوناگون مانند زمین مرجع سازی تصاویر ماهواره­ای یا برقراری ارتباط بین چند تصویر از یک منطقه­ی خاص و با توجه به دشواری و زمانبر بودن تعیین محل دقیق برخورد محور مرکزی شبکه راه در محل تقاطع های کاندید در تصاویر بزرگ مقیاس توسط اپراتورها، در این مقاله سعی در ارائه روشی جهت تعیین موقعیت دقیق نقطه تقاطع محورهای مرکزی شبکه راه در محل تقاطع شبکه راه در ت...

full text

روشی نوین به منظور استخراج دقیق نقطه تقاطع شبکه‌ی راه در تقاطع‌های کاندید بر روی تصاویر بزرگ مقیاس

با توجه به اهمیت نقاط تقاطع شبکه راه در زمینه­های گوناگون مانند زمین مرجع سازی تصاویر ماهواره­ای یا برقراری ارتباط بین چند تصویر از یک منطقه­ی خاص و با توجه به دشواری و زمانبر بودن تعیین محل دقیق برخورد محور مرکزی شبکه راه در محل تقاطع های کاندید در تصاویر بزرگ مقیاس توسط اپراتورها، در این مقاله سعی در ارائه روشی جهت تعیین موقعیت دقیق نقطه تقاطع محورهای مرکزی شبکه راه در محل تقاطع شبکه راه در ت...

full text

تعیین مقیاس بهینه قطعه بندی در طبقه بندی شیء گرای ابر، با استفاده از تصاویرnoaa/avhrr

شناخت نوع ابر و طبقه بندی ابرها از ابتدایی ترین اصول در اکثر روش های پیش بینی بارش است که در بیشتر مواقع به صورت بصری و با مقایسه تصاویر باندهای مادون قرمز و باندهای مرئی انجام می شود. دراین گونه مطالعات تنها از دمای روشنایی ابر و البدوی آن برای طبقه بندی ابر استفاده می شود، در صورتی که بافت و شکل ابرها نیز از عوامل تاثیر گذار در تشخیص انواع آن هاست. روش طبقه بندی شیءگرا به علت استفاده از پارام...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسی - پژوهشکده فنی و مهندسی

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023