نام پژوهشگر: اصغر میلان لک

ارزیابی جامع تصویر با قدرت تفکیک بالا به منظور بازنگری نقشه های بزرگ مقیاس مطالعه موردی: تصویر worldview-2 منطقه تهران
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه تفرش - دانشکده مهندسی عمران 1392
  حسین باقری   سعید صادقیان

ماهواره worldview-2 یکی از آخرین ماهواره های ساخته شرکت digital globe است که در هشتم اکتبر سال 2009 راه اندازی شد. از مهم ترین مشخصه های ماهواره تصویربرداری worldview-2 توان تفکیک مکانی، زمانی، طیفی و رادیومتریک بالا و توانایی تصویربرداری پوششی می باشد. این ماهواره قادر است تصاویر پانکروماتیک با ابعاد پیکسل زمینی کمتر از 0.5 متر ( 0.46 متر ) در نادیر اخذ کند و یک منبع جدید توانمند در کاربردهای فتوگرامتری، سنجش از دور و gis به شمار رود. به طورکلی استخراج موفقیت آمیز اطلاعات از تصاویر با توان تفکیک بالا، وابسته به مدلسازی ریاضی مناسب سنجنده های آن ها است و این تصاویر به داده های با دقت بالا در مدلسازی نیازمندند. اطلاعات مدار ماهواره، زاویه های موقعیتی و وضعیتی و پارامترهای توجیه خارجی باید در فرآیند مدلسازی هندسی وارد شده، تا دقت بهینه با به کارگیری کم ترین تعداد نقاط کنترل زمینی حاصل شود. در این مطالعه از یک تصویر پانکروماتیک worldview-2 که از محدوده شمال غرب تهران تصویربرداری شده است، استفاده گردیده و قابلیت و توانایی انواع مدل های مختلف نظیر تابع رشنال، توابع چندجمله ای دوبعدی و سه بعدی و تابع tps برای مدلسازی مورد بررسی قرار گرفته است. همچنین پارامترهای مداری تصویر و ضرایب تابع رشنال (rpc) نیز در مدلسازی استفاده شده است. این مدلسازی فیزیکی براساس داده های همراه تصویر صورت می گیرد. در این مدلسازی ها از توزیع مختلف نقاط کنترل و چک استفاده شده و اثر آن در دقت مدلسازی مورد ارزیابی قرارگرفته است. بهترین نتیجه با استفاده از تابع رشنال با ترکیب 36 نقطه کنترل و 22 نقطه چک به دست آمد که برابر 0.68 پیکسل (0.35 متر) است. به علاوه از الگوریتم های هوش مصنوعی نظیر الگوریتم ژنتیک و شبکه های عصبی مصنوعی به منظور مدلسازی استفاده گردید. با استفاده از یک شبکه پرسپترون سه لایه با 4 نرون در لایه میانی، دقت 71/0 پیکسل حاصل گردید. از الگوریتم ژنتیک نیز به منظور بهینه سازی توابع چندجمله ای دوبعدی، سه بعدی و رشنال استفاده شد. نتیجه نهایی نشان داد که این الگوریتم ها قادر به بهینه سازی مدل های موجود هستند و نسبت به روش های معمول نتایج بهتری به دست می دهند به ویژه زمانی که توزیع نقاط کنترل مناسب نباشد و ما با یک مسئله ناپایدار روبه رو می شویم زیرا در این گونه موارد، نیاز به یافتن پارامتر پایدارسازی بهینه است که کار بسیار مشکلی است. در این جا نیز بهترین نتیجه با بهینه سازی تابع رشنال با الگوریتم ژنتیک به دست آمده که دقت آن برابر با 0.93 پیکسل در 16 نقطه چک مستقل است. درپایان قابلیت این تصاویر در بازنگری و تهیه نقشه های 1:2000 و 1:5000 از نظر محتوای اطلاعاتی و دقت هندسی در دوحالت دید تک تصویر و زوج تصویر مورد بررسی قرارگرفت و مشخص گردید که این تصویر برای بازنگری نقشه های 1:2000 و 1:5000 منطقه مناسب است. هم چنین این نتیجه حاصل شد که برای دستیابی به دقت های بالاتر در بازنگری نقشه ها بهتر است از مدل سه بعدی حاصل از زوج تصویر پوشش دار استفاده شود.

تعیین هوشمند پارامترهای بهینه سلف کالیبراسیون به منظوراستفاده درمثلث بندی براساس داده های gps/imu،مطالعه موردی : تصویر ultracam
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه تفرش - دانشکده نقشه برداری 1392
  حامد احمدی مسینه   روح الله کریمی

مثلث بندی یکی از مراحل اصلی درتهیه نقشه به روش فتوگرامتری می باشد . استفاده از داده های gps/imu درمثلث بندی هوایی موجب گردیده است که مثلث بندی از حالت مرسوم وسنتی به سمت مثلث بندی مدرن سوق داده شود افزایش استحکام بلوک فتوگرامتری وکاهش تعدادنقاط کنترل زمینی مورد نیازبرای سرشکنی بلوک از مزایای استفاده از داده های gps/imu در فرآیند مثلث بندی می باشد . خطاهای سیستماتیک داده های مورد استفاده درمثلث بندی ، دقت مثلث بندی را کاهش داده و استفاده از نقاط کنترل زمینی را حتی با وجود داده های gps/imu ضروری می سازد . بنابراین باکاهش میزان خطای سیستماتیک برروی داده ها می توان انتظار داشت که دقت مثلث بندی افزایش یافته و تعداد نقاط کنترل زمینی مورد نیازبرای سرشکنی بلوک وهم چنین نوارهای پرواز متقاطع که به منظورحذف خطای سیستماتیک داده های gps مورد استفاده قرار می گیرد ، کاهش یابد . دراین پژوهش نقش پارامترهای سلف کالیبراسیون مانند پارامترهای حذف خطای سیستماتیک داده های gps/imu برای هرنوار وپارامترهای حذف خطای سیستماتیک سنجنده تصویربرداری به منظور افزایش دقت مثلث بندی و کاهش تعداد نقاط کنترل زمینی وکاهش نوارهای پرواز متقاطع موردنیاز برای سرشکنی بلوک مورد بررسی قرارگرفته است . بدین منظورابتدا پارامترهای بهینه سلف کالیبراسیون بااستفاده از الگوریتم ژنتیک تعیین می گردد وسپس پارامترهای بهینه تعیین شده ، درسرشکنی بلوک به روش باندل مورد استفاده قرارمی گیرد . به منظور حل مشکل ناپایداری مسئله در فرآیند سرشکنی از روش تخمین مولفه واریانس استفاده شده است . این روش قادراست علاوه بر پایدارسازی مسئله ، ماتریس وزن بهینه را درهنگام سرشکنی تعیین نماید . دراین پژوهش تعداد 58 تصویر از دوربین رقومی- xp ultracam مورد استفاده قرارگرفته است . نتایج بدست آمده نشان می دهد که درصورت استفاده از پارامترهای سلف کالیبراسیون و کاهش میزان خطای داده های مورد استفاده درفرآیند سرشکنی ، تعداد نقاط کنترل وتعداد نوارهای پرواز متقاطع برای سرشکنی بلوک کاهش می یابد به گونه ای که می توان بلوک را بدون استفاده از نقاط کنترل زمینی وبدون استفاده از نوارهای پرواز متقاطع نیز سرشکن کرد وبه دقت مطلوب دست یافت . بدون استفاده ازنقاط کنترل وبا استفاده از پارامترهای بهینه سلف کالیبراسیون ، بیشترین میزان خطای rmse برروی نقاط چک زمینی ،0.143 متر می باشد درحالی که اگر از این پارامترها استفاده نشود درصورت وجود یا عدم وجود نوارهای پرواز متقاطع ماکزیمم خطای rmse ، درحدود یک متر می باشد .