طبقه بندی تصاویر ماهواره ای بزرگ مقیاس با استفاده از آنالیز چند مقیاسی در روش های شیءگرا

سنجش از دور تامین کننده اطلاعات ارزشمندی در ارتباط با نقشه برداری، پایش های محیطی، مدیریت بلایا و سایر مسائل عمرانی است. با این وجود، استفاده شایسته از حجم وسیع اطلاعات تولید شده در سنجش از دور، مستلزم استخراج اطلاعات مناسب از داده ها، ارائه آن در یک قالب استاندارد و ورود آن به سامانه اطلاعات مکانی می باشد. در این بین استخراج اتوماتیک عارضه ساختمان از تصاویر ماهواره ای، یک بحث تحقیقاتی فعال درحوزه ی سنجش از دور و ماشین بینایی است که بعضی از کاربردهای مفید آن، اتوماسیون فرآیند استخراج اطلاعات از تصاویر و بروز رسانی پایگاه های داده سیستم اطلاعات مکانی می باشد. در حالیکه آلگوریتمهای بسیاری برای استخراج ساختمانها ارائه شده اند، هیچ یک از آنها نمی توانند مسئله را بطور کامل حل کنند. امروزه با ظهور تصاویر ماهواره ای با قدرت تفکیک مکانی بالا و از آنجا که مجموعه ای از پیکسل ها نمایش دهنده ی عوارضی چون ساختمان می باشد استفاده از آنالیزهایی غیر از روش های پیکسل مبنا ضروری است، به همین دلیل طی سال های اخیر آنالیزهای شیء مبنا مطرح گردیده است. آنالیزهای شیء مبنا با در نظر گرفتن اشیاء تصویری حاصل از فرآیند تقطیع به عنوان واحد پردازش، امکان دسترسی به اطلاعات طیفی دیگری چون مقدار میانگین در هر باند، مقدار کمینه و بیشینه، واریانس و غیره را فراهم آورده و از آن مهم تر امکان در نظر گرفتن اطلاعات مکانی چون فاصله، همسایگی ها و توپولوژی را میسر می سازد. در این تحقیق از طبقه بندی شیء گرا جهت استخراج ساختمان استفاده شده است. این روش امکان استفاده از اطلاعات شکل، مجاورت و مفهومی را علاوه بر اطلاعات طیفی می دهد. در این تحقیق در ابتدا با استفاده از یک آلگوریتم مناسب، اشیاء تصویری تولید شده و در ادامه با استفاده از روش جدا سازی و آستانه گذاری ویژگی هایی که منجر به آشکار سازی عارضه ساختمان می شود، تعیین می گردد. تصویر ماهواره ای استفاده شده در این تحقیق، تصاویر pan و multispectral سنجنده quickbird از منطقه شهری اصفهان می باشد. در بخش ارزیابی نتایج، نشان داده می شود که روش مذکور می تواند بیش از 85 درصد ساختمانهای موجود در تصویر مورد مطالعه را تشخیص دهد. همچنین در بخش دیگری از پژوهش سعی شده است تا با آنالیز شیء مبنای داده های لیدار و تصویر ماهواره ای بزرگ مقیاس و امکان استفاده از ویژگی های طیفی، هندسی، آماری و مفهومی نتایج کار به نحو قابل توجهی بهبود یابد.