امروزه اهمیت تصویربرداری به عنوان یک منبع برای استخراج داده های مکانی روز به روز در حال افزایش است به طوری که در چند سال آینده بخش اعظم داده های مورد نیاز سازمانهای مدیریت اطلاعات مکانی از این طریق به دست خواهند آمد. سیستمهای فتوگرامتری ابزارهای بسیار قدرتمندی برای استخراج داده های مکانی هستند که مدیریت این نوع داده ها از اهمیت خاصی برخوردار می باشد. در مقابل سیستمهای اطلاعات مکانی قادر به مدیریت حجم زیادی از داده های مکانی هستند، ولی خود قادر به تولید چنین داده هایی نمی باشند و نیازمند داده های ورودی هستند. علیرغم وابستگی این دو سیستم، تا به امروز این سیستمها به طور کاملا مستقل توسعه یافته اند. با تلفیق مستقیم سیستمهای فتوگرامتری و سیستمهای اطلاعات مکانی داده های مکانی به طور مستقیم و همزمان با عملیات رقومی سازی عوارض از روی مدل سه بعدی وارد سیستم اطلاعات مکانی می شوند و مراحل مورد نیاز جهت آماده سازی داده های مکانی برای استفاده در این سیستم، به طور چشمگیری کاهش و حتی در اغلب موارد حذف می گردد. بدین ترتیب ضمن آنکه بخش عمده ای از مشکلات مربوط به استفاده مجزا و مستقل از این دو سیستم از قبیل: مسائل و مشکلات موجود در فرآیند تبدیل فرمت داده های مکانی، کاهش صحت داده های مکانی در فرآیند ویرایش داده ها، افزایش زمان و هزینه تولید و آماده سازی داده های مکانی برای استفاده در سیستمهای اطلاعات مکانی و ...رفع می گردد، قابلیتها و توانمندیهای جدیدی به شرح ذیل در اختیار کاربران قرار می گیرد: •امکان استفاده از ابزارهای سیستم اطلاعات مکانی برای آنالیز داده های جمع آوری شده به منظور تولید داده های جدید •امکان استفاده از یک پایگاه داده مرکزی به جای نقشه رقومی مبتنی بر فایل •افزایش کارایی روند بهنگام رسانی داده های مکانی •استخراج داده های مکانی با جزئیات متفاوت بر حسب نیاز در مناطق مختلف •امکان استفاده از تصاویر استریو برای دید سه بعدی در gisهای شهری •امکان کنترل و ارزیابی اعتبار داده ها همزمان با عملیات تولید و ذخیره سازی داده های مکانی در پایگاه داده سیستم اطلاعات مکانی به منظور تلفیق مستقیم سیستمهای فتوگرامتری و سیستمهای اطلاعات مکانی، عملیات تلفیق بایستی هم در سطح سیستم و هم در سطح داده انجام گیرد. برای تلفیق در سطح سیستم، بایستی ارتباط مستقیم و دوطرفه ای میان سخت افزار یا نرم افزار مورد استفاده برای هر یک از دو سیستم به منظور برقراری امکان تبادل داده و دستورات به صورت آنی، برقرار گردد تلفیق این دو سیستم در سطح داده به معنای ذخیره سازی داده مطابق با واقعیت و با ساختار مورد نظر در سیستم اطلاعات مکانی، همزمان با عملیات رقومی سازی عوارض از روی مدل تشکیل شده در سیستم فتوگرامتری می باشد. در این تحقیق روش جدیدی جهت تلفیق دو سیستم مذکور هم در سطح سیستم و هم در سطح داده ارائه شده و مراحل پیاده سازی سیستم رابط خبره طراحی شده بر اساس این روش، تشریح شده است. آزمون سیستم رابط پیاده شده نشان داد: •استفاده از معماری سیستمهای خبره برای پیاده سازی واحد تصمیم گیری سیستم تلفیقی سبب تفکیک بخش استدلال و استنتاج از بخشهای عملیاتی سیستم می گردد. بر همین اساس امکان توسعه دامنه دانش سیستم و یا تغییر آن متناسب با شرایط به راحتی و بدون نیاز به تغییرات پایه ای در واحدهای عملیاتی سیستم، در مدت زمان نسبتا کوتاهی امکان پذیر می باشد. •در تمامی مواردی که دانش مربوط به خصوصیات عارضه در حال رقومی سازی یا روابط آن با عوارض مرتبط به طور صریح یا ضمنی در پایگاه دانش سیستم خبره موجود باشد و یا امکان شناسایی خطاها از طریق کنترلهای مبتنی بر حدآستانه امکان پذیر باشد، خطاهای به وجود آمده، از طریق سیستم رابط خبره قابل شناسایی می باشند. •در مواردی که امکان اصلاح خطا به دلیل پیچیدگی ویرایشهای مورد نیاز، موجود نباشد، حذف آخرین نقطه ورودی به عنوان عامل ایجاد کننده خطا می تواند راهکار موثری برای رفع خطا باشد. •در مورد بخشی از خطاها که جلوگیری از بروز آنها با حذف آخرین نقطه ورودی امکان پذیر نمی باشد و روشهای مختلفی برای اصلاح آنها موجود است، بایستی بر اساس شرایط موجود، روش مناسب انتخاب گردد. در چنین مواردی یا امکان اصلاح خطا به صورت اتوماتیک موجود نمی باشد و یا اصلاح اتوماتیک آن مستلزم اطلاعات زیادی در رابطه با شرایط محلی خطا می باشد. ارائه روشهای قابل استفاده برای رفع یا اصلاح خطا به عنوان مجموعه پیشنهادات سیستم و انتخاب روش مناسب از سوی کاربر، یکی از راهکارهای مناسب در این زمینه می باشد که در سیستم رابط طراحی و پیاده شده در این تحقیق بکار گرفته شده است. •در مواردی که دانش تعریف شده در پایگاه دانش بخش تصمیم گیری، در جهان واقعی نقض گردد، شناسایی خطا توسط سیستم رابط فاقد اعتبار خواهد بود.

رشد روزافرون جمعیت و توسعه جوامع بشری باعث گردیده تا اطلاعات مکانی یکی از مهمترین ابزارها در کاربردهایی نظیر برنامه ریزی شهری، مدیریت بحران، ایجاد و بهنگام رسانی پایگاه داده های موجود، شناسایی تغییرات و . . . باشند. در پروسه تهیه ی نقشه از تصاویر هوایی و ماهواره ای، مشکل ترین بخش استخراج عوارض می باشد. با نگاهی اجمالی به مراحل پیشرفت فتوگرامتری، هدف کاهش زمان و هزینه تهیه نقشه، افزایش سطح اتوماسیون و کاهش نقش عامل انسانی می باشد تا بتوان سیستم های فتوگرامتری آنی را طراحی نمود بنحوی که بتوان در لحظه اخذ تصویر، تهیه نقشه امکان پذیر باشد. در زمینه فتوگرامتری با توجه به اینکه در تصاویر هوایی و ماهوارهای از مناطق شهری و نیمه شهری، ساختمان ها و جاده ها دارای بیشترین تعدد در تهیه نقشه می باشند و این اشکال دارای هندسه ساده تر و منظمی می باشند، استخراج این عوارض در اولویت های تحقیقاتی قرار دارند. یکی از روش های بسیار موفق در استخراج مرز عوارض از تصاویر، مدل های منحنی فعال می-باشد، که اولین بار توسط kass و همکاران تحت عنوان”snake: active contour model” ارائه شد. تابع مورد بهینه سازی در مدل snake ترکیب خطی از دو تابع انرژی داخلی و خارجی می باشد که با کمینه نمودن این تابع از طریق حل یکسری معادلات مشتقات در یک فرایند تکراری، منحنی با حرکت به سمت لبه های تصویری، خود را بر لبه های واقعی عوارض منطبق و منجر به بازسازی اطلاعات مرز عوارض می شود. در فرایند استخراج ساختمان از تک تصویر، زمانیکه لبه های ساختمان تحت تاثیر پدیده هایی نظیر درختان، سایه درختان و اشیاء واقع بر ساختمان تخریب و یا تضعیف گردد لبه های کاذب بروی سقف ساختمان ایجاد می شود. با توجه به اینکه مدل snake تا حد زیادی به اطلاعات لبه های تصویری متکی است، این امر می تواند مدل های snake را با مشکلاتی در بازسازی چنین ساختمان-هایی مواجه می سازد. به منظور غلبه بر این مشکل، استفاده از دانش اولیه در خصوص شکل هندسی مورد انتظار از ساختمان بعنوان یک داده کمکی، جهت بازسازی لبه های تخریب شده استفاده شد. در واقع هدف این پایان نامه وارد کردن اطلاعات هندسی ساختمان های مستطیل، l و u شکل، بعنوان یک تابع انرژی خارجی در مدل balloon snakeمی باشد به گونه ای که بتوان لبه های تخریب شده را شناسایی و مرز ساختمان را با دقت و قابلیت اعتماد مناسبی بازسازی نمود. این امر بویژه برای ساختمان هایی که با لبه های مخدوش تصویری همراه هستند، انگیزه اجرایی دارد. با توجه به نتایج بدست آمده، الگوریتم پیشنهادی توانسته با استفاده از شکل هندسی بعنوان منبع داده غنی، ساختمان ها با دقت موقعیت کلی 94.80 درصد و 93.20 درصد برای تصویر تست اول و دوم در مقایسه با دقت موقعیت کلی 92.27 درصد و 85.85 درصد برای تصویر تست اول و دوم مدل balloon snake معمولی بازسازی نماید. همچنین ساختمان استخراج شده همان شکل مرجع برازشی می باشد که مشکل نیازمندی الگوریتم های مشابه به مراحل پیش پردازش نظیر کاهش تعداد نقاط و برازش خط بر مجموعه نقاط واقع بر یک اضلاع ساختمان را بر طرف نموده است.

امروزه دستیابی سریع و ارزان به اطلاعات عوارض پوششی سطح شهرها با استفاده از آنالیزهای سنجش از دور از اهمیت ویژه ای برخوردار است. چندین دهه از عمر این فناوری به عنوان اصلی ترین راهکار این هدف می گذرد. در چندسال اخیر با ظهور تصاویر با قدرت تفکیک مکانی بالا، کسب اطلاعات پوشش اراضی شمار زیادی از تحقیقات را به خود اختصاص داده است. البته هنوز اطلاعات سنجش از دور تا مرز رسیدن به یک ساختار تولید کاملآ خودکار و دقیق در نواحی شهری فاصله دارد. یکی از مهمترین دلایل این امر مشابهت های طیفی و هندسی بسیاری از عوارض شهری می باشد که آنالیزهای رستر مبنا را جهت استخراج اطلاعات از تصاویر سنجش از دور با چالش روبه رو ساخته است. از دهه 70 سیستم هایی تحت عنوان lidar (light detection and ranging) جهت استخراج اطلاعات گسسته از نواحی سطح زمین با استفاده از تکنولوژی لیزر معرفی شده اند. اما شکل امروزی این سیستم ها در سال های اخیر توسعه یافته است. این سیستم ها با استفاده از تکنولوژی لیزر توانایی برداشت اطلاعات مکانی از نقاط مختلف سطح زمین تحت عنوان ابرنقاط را دارا می باشند. شدت موج بازگشتی و چند بازگشتی بودن امواج لیزر نیز به عنوان قابلیت دیگر این سیستم ها بشمار می رود. در این تحقیق هدف استخراج اطلاعات پوشش اراضی از نواحی شهری با استفاده از داده های لایدار می باشد. جهت ارزیابی و مقایسه دقیق از روش های مرسوم استخراج اطلاعات لایدار، روش پیشنهادی این تحقیق شامل 2 استراتژی اصلی می باشد. استراتژی رسترمبنا مبتنی بر روش های نوین شئ مبنا بخش نخست این تحقیق را به خود اختصاص داده است. در آنالیز رستر مبنای پیشنهادی یک روش قانون مبنا مبتنی بر مدل سلسله مراتبی به کار گرفته شد. جهت بهبود این روش از یک استراتژی تکمیلی با استفاده از داده های بازگشت چندگانه امواج لایدار استفاده شد. جهت طبقه بندی اشیاء طبقه بندی نشده ی باقیمانده از یک روش طبقه بندی نزدیکترین همسایه فازی مبتنی بر بهینه سازی فضای ویژگی با استفاده از روش بهینه سازی sequential feature forward selection استفاده گردید. در استراتژی دوم از یک آنالیز برداری جدید جهت استخراج اطلاعات پوشش اراضی بهره گیری شد. برای نخستین بار، در این تحقیق از یک استراتژی مثلث بندی مبنا در فضای برداری با استفاده از یک مدل گام به گام قانون مند با طراحی و بکارگیری ویژگی های مکانی و هندسی استفاده شد. هر دو استراتژی یاد شده علاوه بر پیاده سازی و آنالیز بر روی منطقه ی مورد مطالعه ی نخست، تحت آنالیز تعمیم پذیری بر روی منطقه ی مورد مطالعه ی دیگر نیز قرار گرفتند. از بین روش های ذکر شده روش رستر مبنا با دقت کلی 94/0 مناسب ترین دقت را داراست و روش برداری ارائه شده دارای دقت کلی 92/0 می باشد. نتایج روش های یاد شده بر روی منطقه مورد مطالعه ی دوم به ترتیب دارای دقت کلی 82/0 و دقت کلی 81/0 می باشد که این نتایج حاکی از استحکام روش های یاد شده است.

سنجش از دور می تواند به عنوان یک ابزار قدرتمند با به کار گیری داده از منابع مختلف و تلفیق آنها با یکدیگر برای طبقه-بندی انواع پوشش گیاهی و کاربری اراضی مورد استفاده قرار گیرد. در این میان محققین در برخی از مناطق مانند مناطق کوهستانی به دلیل شرایط ارتفاعی منطقه و رفتار طیفی نزدیک برخی از گونه های پوشش گیاهی، به سمت استفاده از منابع داده های کمکی در کنار داده های سنجش از دور از منابع مختلف سوق پیدا کرده اند. طبقه بندی انواع مراتع فراهم کننده ی اطلاعات کلیدی برای آنالیز بهره وری کشاورزی، محاسبه ی کربن و شناسایی تنوع زیستی است و در همین راستا علاقه ی روزافزونی برای شناسایی و حفاظت از علفزارهای بومی وجود دارد. اولین مجموعه داده های مورد استفاده در این تحقیق شامل تصویر لندست tm (thematic mapper) اخذ شده در تاریخ 1/6/2009 و دومین مجموعه داده ها، تصویر راداری envisat asar اخذ شده در تاریخ 9/6/2009 برای منطقه مورد مطالعه واقع در محدوده ی شمال غربی شهر تهران (البرز جنوبی) استفاده شد. هدف از این تحقیق استفاده از تصویر لندست tm و تصویر راداری envisat asar برای طبقه بندی انواع مراتع می باشد. در تحقیق حاظر پس از اعمال چندین روش تصحیح توپوگرافی تصویر نوری که همگی جزو روشهای غیرلامبرتی-اند و با توجه به معیارهای ارزیابی این روشها روش scsc به عنوان روش مورد استفاده برای تصحیح تصویر نوری در نظر گرفته شد. در ادامه سودمندی و بهبودی که با استفاده از ویژگیهای استخراج شده از تصویر رادار و نوری که شامل بافت آنها می باشد و در تلفیق با باندهای طیفی تصویر نوری مورد استفاده قرار گرفته است بر روی نتایج طبقه بندی نهایی بررسی شده است و برای انتخاب ویژگیهای مستقل که منتج به بالاترین دقت نتایج شود از الگوریتم ژنتیک استفاده گردید. دقت کلی طبقه بندی بیشترین شباهت با این روش از 77.74 برای تصویر نوری اولیه به 78.71 و در روش کمترین فاصله از 77.11 به 77.91 افزایش یافته است. تاثیر استفاده از داده های ارتفاعی منطقه و شاخص های گیاهی تصویر نوری بر نتایج نهایی طبقه بندی در بخش دیگری از تحقیق بررسی گردید و باندهای بهینه انتخاب شد و در این حالت نیز دقت کلی روش بیشترین شباهت از 77.74 به 83.37 افزایش یافته است که بهترین نتایج طبقه بندی در همین حالت حاصل شده است در حالی که دقت کلی روش کمترین فاصله از 77.11 به 77.14 رسید که نشان دهنده ی این است که تغییر چندانی در نتایج این روش ایجاد نشده است. همچنین نتایج استفاده از آنالیز مولفه های اصلی برای انتخاب باندهای بهینه دارای دقت کمتری نسبت به تصویر نوری اولیه است به گونه ای که دقت کلی طبقه بندی بیشترین شباهت از 77.74 به 74.67 کاهش یافته است.

با توجه به این امر که در طبقه‏بندی تصاویر با قدرت تفکیک مکانی متوسط، با مسئله‏ی وجود پیکسل‏های مختلط در تصویر روبرو هستیم، استفاده از روش‏های طبقه‏بندی فازی به جایروش‏های طبقه‏بندی متداول ضروری به نظر می‏رسد. همچنین مطالعات اخیر نشان می‏دهند که استفاده از اطلاعات مجاورت به همراه اطلاعات طیفی می‏تواند منجر به صحت بالاتری در طبقه‏بندی شود. استفاده از اطلاعات مجاورت در بخش پس پردازش طبقه‏بندی تصاویر با توجه به این مزیت که وابسته به نوع طبقه‏بندی‏کننده نمی‏باشد، در این تحقیق مورد توجه قرار گرفته است.در این تحقیق قوانین اتصال در فضای توپولوژی فازی در مرحله‏ی پس‏پردازش نتایج طبقه‏بندی‏کننده‏های فازی بیشترین شباهت، ماهالانوبیس و ماشین‏های بردار پشتیبان پیاده‏سازی شده است. برای تلفیق طیفی نتایج حاصل از طبقه‏بندی‏کننده‏های فوق تابعی ارائه می‏شود و همچنین برای تلفیق مکانی نتایج در فضای توپولوژی فازی در مرحله‏ی پس‏پردازش دو راهکار پیشنهاد و پیاده‏سازی شده است. در این تحقیق از 4 باند طیفی یک زیر تصویر لندست استفاده شده و روش‏های مورد نظر پیاده‏سازی شده‏اند. نتایج نشان می‏دهد که اعمال قوانین اتصال در فضای توپولوژی فازی بر روی نتایج تلفیق طیفی بالاترین مقادیر صحت کلی و ضریب کاپا را به میزان به ترتیب 89.81 و 89.78 را ارائه می‏دهد. همچنین نتایج بهبود حدودا 10 درصدی را در مقایسه با حالتی که از یک طبقه‏بندی‏کننده‏ی متداول استفاده شود، را نشان می دهد.

پس از وقوع زلزله، نیاز فراوانی به تعیین ساختمان‏های تخریب شده جهت تعیین موقعیت دقیق و میزان تخریب آنها به منظور تسریع و تسهیل امر امدادرسانی احساس می‏شود. هدف اصلی این تحقیق ارائه روشی معتبر جهت تعیین نیمه اتوماتیک تخریب ساختمانها است. ابتدا با استفاده از تصویر با قدرت تفکیک مکانی بالای مربوط به پس از وقوع زلزله و داده برداری منطقه اقدام به استخراج ساختمانها شد. به علت توانایی بالای ویژگیهای بافتی در تعیین تخریب ساختمانها، در این تحقیق از ویژگیهای بافتی آماری مرتبه اول و ویژگیهای حاصل از ماتریس هم اتفاق استفاده گردید. در ادامه با استفاده از الگوریتم بهینه سازی ژنتیک، نسبت به انتخاب ویژگیهای بافتی بهینه اقدام شد. تابع شایستگی الگوریتم ژنتیک، ضریب کاپای بدست آمده از طبقه بندی کمترین فاصله بود. در ادامه با استفاده از الگوریتم خوشه بندی isodata و تلفیق اطلاعات طیفی و ویژگیهای بافت بهینه، برای سقف ساختمانهای استخراجی سه کلاس تعیین شد، و درصد پیکسلهای هر کلاس، به عنوان ورودیهای سیستم استنتاج فازی معرفی شدند. تصمیم گیری در مورد وضعیت ساختمانها توسط یک سیستم استنتاج فازی با موتور استنتاج ممدانی و پایگاه قوانین فازی طراحی شده با بهره گیری از ساختمانهای مرجع انجام پذیرفت. در مجموع 315 ساختمان وارد الگوریتم شده و در چهار کلاس تخریب طبقه بندی شدند. خروجی اصلی این تحقیق نقشه تخریبی شامل چهار کلاس ساختمانهای سالم، با تخریب کم تا متوسط، با تخریب زیاد و ویران بود. استفاده از ساختمانهای مرجع در برآورد دقت روش پیشنهادی نشان دهنده دقت 73 درصدی و قابل قبول روش در تعیین وضعیت ساختمانها پس از وقوع زلزله بود. در پایان نیز نتیجه گیری و پیشنهاداتی در زمینه تعیین تخریب ساختمان ارائه گردید.

امروزه کمبود منابع طبیعی و نرخ بالای رشد جمعیت، لزوم مدیریت و بهره گیری بهینه و مناسب از منابع باقیمانده در طبیعت را ضروری می سازد. یکی از ابزارهای مدیریت منابع، سیستم اطلاعات مکانی می باشد. این سیستم ها جهت ذخیره سازی، بازیابی، تجزیه و تحلیل و نمایش اطلاعات مکانی بکار می روند. با کمک تکنیک های فتوگرامتری می توان داده های مکانی مورد نیاز سیستم های اطلاعات مکانی با ساختار منحصربفرد را تهیه نمود. بنابراین یکی از پردازش هایی که می بایست بر روی داده های مکانی حاصل از تکنیک های فتوگرامتری اعمال گردد، ساختارمند نمودن داده ها و آماده سازی آنها برای ورود به سیستم های اطلاعات مکانی می باشد. بمنظور ساختاردهی داده های مکانی دو روش عمده وجود دارد که عبارتند از روش offline و روش online. در روش offline ساختاردهی پس از انجام عملیات رقومی سازی عوارض صورت می گیرد. به این معنا که عامل، به کمک فتوگرامتری اقدام به استخراج عوارض مکانی می نماید. اما این عوارض دارای ساختار موردنیاز سیستم های اطلاعات مکانی نمی باشند و طی فرآیند جداگانه ای ساختارمند می شوند. در روش online در حین استخراج عوارض مکانی و به صورت آنی این عوارض ساختارمند می گردند. بنابراین در روش online، ساختاردهی و ویرایش آنی داده های مکانی همزمان با استخراج عوارض برای ورود به سیستم اطلاعات مکانی مدنظر می باشد. روش offline بسیار وقتگیر و پرهزینه می باشد زیرا عملا دو فرآیند جدا از هم، که یکی مربوط به تبدیل و استخراج داده و دیگری مربوط به ساختاردهی آن می باشد در جریان است. علاوه بر این هنگام ساختاردهی به داده های مکانی، دسترسی به مدل فتوگرامتری که مرجع اصلی داده های مکانی می باشد، وجود ندارد. بنابراین قابلیت اعتمادپذیری داده ها کاهش می یابد. اما در روش online زمان و هزینه تولید داده های مکانی ساختارمند به طور قابل ملاحظه ای کاهش یافته و به دلیل دسترسی به مدل فتوگرامتری، صحت و دقت داده های مکانی حفظ می گردد. در این پایان نامه از روش آنی ارتباط سیستم های فتوگرامتری و cad (online) بهره گرفته می شود. این روش با تلفیق مستقیم سیستم های فتوگرامتری و cad توسط یک سیستم رابط، طراحی و پیاده سازی می شود. سیستم رابط بکارگرفته شده در این تحقیق از نوع شی گرا می باشد. دلیل تاکید بر شی گرا بودن سیستم رابط امکان بهره گیری از روابط منطقی بین عوارض مکانی موجود در جهان واقعی می باشد که به شکل قیود منطقی مطرح هستند. با استفاده از این قیود به عنوان خصوصیات یا توصیفات عوارض در یک سیستم شی گرا، امکان تشخیص و اصلاح اتوماتیک قسمت عمده ای از خطاهای موجود در داده های مکانی میسر می باشد. گام اساسی در طراحی و پیاده سازی سیستم تلفیقی، شناسایی روابط منطقی میان عوارض کلاس ساختمان با یکدیگر و با عوارض موجود در سایر کلاس های مرتبط می باشد. همچنین نحوه ویرایش و ساختارمند شدن انواع عارضه ساختمان و عوارض مرتبط با آن که در تحقیق نیز مورد مطالعه قرار گرفته است. این سیستم تلفیقی شامل سیستم فتوگرامتری رقومی است که در این تحقیق سیستم lps می باشد و سیستم cad نرم افزار microstation می باشد. با توجه به اینکه ساختمان یکی از عوارض مسطحاتی مهم در نقشه های بزرگ مقیاس شهری (1:1000) می باشد و عمده ترین ویرایش روی آن انجام می گیرد، در این پایان نامه عارضه ساختمان به عنوان عارضه منتخب برای ساختاردهی آنی با استفاده از تلفیق مستقیم سیستم های فتوگرامتری و cad مورد نظر قرار گرفته است.

هدف از این تحقیق بررسی و توسعه الگوریتم های خوشه بندی جهت بخش بندی ابر نقاط نا منظم لیزر اسکنرهای هوایی برای بازسازی مدل سه بعدی ساختمان می باشد. روش کلی به کار گرفته شده در این پژوهش بازسازی داده مبنا می باشد. هسته اصلی بازسازی داده مبنا الگوریتم خوشه بندی نقاط لیدار است. در این تحقیق چهار روش مطرح خوشه بندی بررسی، پیاده سازی و ارزیابی شده است. این چهار روش عبارتند از خوشه بندی به روش k-means، k-medoids، fcm و som. در الگوریتم توسعه داده شده این پایان نامه دو روش k-means و fcm به وسیله الگوریتم رقابت استعماری بهینه سازی می شوند و بر اساس نتایج خوشه بندی، الگوریتم بهینه k-means عملکرد مناسبی از خود نشان می دهد و به عنوان هسته اصلی الگوریتم بازسازی این تحقیق به کار گرفته می شود. ویژگی مورد استفاده جهت خوشه بندی ابر نقاط، بردارهای نرمال نقطه ای می باشد. الگوریتم توسعه داده شده در این پژوهش بر دو مجموعه داده شبیه سازی شده و واقعی اجرا شد. بر اساس نتایج مجموعه داده شبیه سازی شده، دقت کلی روش خوشه بندی توسعه داده شده در این پایان نامه یعنی روش بهینه k-means، 91.37 درصد می باشد و بهترین نتیجه متعلق به همین روش است. مجموعه داده واقعی به کار برده شده شامل دو مجموعه داده مربوط به داخل کشور و خارج از کشور می باشد. با توجه به نتایج مربوط به مجموعه داده واقعی داخلی و تراکم پایین ابر نقاط این مجموعه داده روش پیشنهادی این پایان نامه عملکرد مناسبی داشته است.

اهمیت کاربرد اطلاعات مکانی در کاربرهای مختلف بر کسی پوشیده نیست. یک منبع مهم برای استخراج داده های مکانی استفاده از تصاویر هوایی و ماهواره ای است؛ به طوری که امروزه بخش اعظم داده های مکانی مورد نیاز سازمان ها در کشور از طریق روش های فتوگرامتری به دست می آید. با تلفیق مستقیم سیستم های فتوگرامتری و سیستم های اطلاعات مکانی، داده های مکانی به طور مستقیم و همزمان با عملیات رقومی سازی عوارض از روی مدل سه بعدی وارد سیستم اطلاعات مکانی می شوند، به واسطه ی این کار یعنی آماده سازی هوشمند داده های مکانی برای gis مراحل مورد نیاز جهت آماده سازی داده های مکانی، به طور چشمگیری کاهش و حتی در اغلب موارد حذف می گردد. در دهه گذشته تحقیقاتی در رابطه با تلفیق آنی سیستم های فتوگرامتری و سیستم های اطلاعات مکانی با تاکید بر ساختاردهی هوشمند داده های مکانی همزمان با عملیات رقومی سازی عوارض در دانشکده نقشه برداری دانشگاه خواجه نصیرالدین طوسی به مرور طراحی و در سال 1389 نهایی شد، هدف این تحقیق افزایش قابلیت های این سیستم با افزودن دید کامپیوتری هوشمند به سیستم فوق برای افزایش ضریب اطمینان و هوشمندی سیستم در طی روند انجام کار می باشد، به عبارتی این سیستم تفسیری به عنوان چشم هوشمند سیستم فوق برای کنترل ترسیم ها در مرحله رقومی سازی مورد استفاده قرار می گیرد. منظور از "تفسیر عوارض تصویر" ابتدا تشخیص و سپس تعیین روابط آن با عوارض دیگر است. در طبقه بندی بیشتر با استفاده از خصوصیات طیف و ویژگی های پیکسل های تصویر به شناسایی عوارض می پردازیم ولی در تفسیر قدرت استنتاج و انعطاف بیشتر است، برای نمونه می توان تطابق مکانی و مفهومی پیکسل ها را نیز در نظر گرفت. در این پایان نامه یک سیستم تفسیر خبره بر اساس روش سنجش میزان تطابق و روش عبور از سلسله مراتب مفاهیم طراحی شده است؛ در نهایت با توجه به شرایط و محدودیت های ناشی از به کارگیری در کاربرد مورد نظر، طراحی و پیاده سازی یک سیستم دانش پایه جهت تفسیر اتوماتیک تصاویر با قدرت تفکیک بالا به منظور کاربرد در آماده سازی هوشمند داده های مکانی برای gis که در اینجا همان سیستم تلفیقی فتوگرامتری-gis است، انجام شد. نحوه ی انجام فرآیند تفسیری مورد بحث، روش هیبریدی است؛ به عبارتی پایه ی انجام تحلیل های فرآیند تفسیر، روش شئ مبنا می باشد ولی در کلیه ی مراحل به صورت همزمان سعی شده است از مزایای روش های تحلیل پیکسل مبنا نیز بهرمند شد. نحوه ی طراحی سیستم تفسیری ارائه شده مراحل مختلفی را شامل شده که به تفضیل در متن شرح داده شده است اما محور اصلی فرآیند تفسیر از دو مرحله اصلی تفسیر اولیه و سپس تحلیل های ثانویه (عملیات تکمیل، تصحیح و کنترل) را شامل می شود. جهت اطمینان از کارایی سیستم طراحی شده، سیستم بر روی تصاویر هوایی التراکم تست و ارزیابی شد و در نهایت با دقت کلی جامع بودن 87.5 و صحیح بودن 86.1 عملکرد مناسبی از خود نشان شد. بررسی نتایج نشان دهنده ی پاسخ-دهی مناسب سیستم در آزمایشات صورت گرفته بر روی تصاویر حومه شهری می باشد و اینکه با استفاده از سیستم های خبره می توان دانش را برای استراتژی های کنترل به شکل مناسب فرموله و به منظور تفسیر صحنه، مورد پردازش قرار داد.

امروزه در تولید تصویر های هوایی و ماهواره ای و دیگر داده هایی چون لیدار و نظیر آن نسبت به گذشته سرعت و تسهیل وجود دارد که این امر تولید نقشه های کاربری و طبقه بندی های مورد نیاز برای اهداف مربوطه را با سهولت بیشتری ممکن می سازد. علوم فتوگرامتری و سنجش از دور با پیشرفت هایی که در سال های اخیر در زمینه شناسایی و استخراج عوارض داشته اند نقش بزرگی در زمینه تولید داده های مکانی و نیز تأمین و بروز رسانی پایگاه داده مکانی دارند. تحقیق پیش روی با موضوع استخراج اتوماتیک مرز اراضی در مناطق غیر شهری از تصاویر رقومی با استفاده از منحنی فعال، گامی در جهت تولید نقشه از مزارع می باشد. ارزش تولید چنین نقشه هایی به منظور هدایت برنامه های کشاورزی دقیق است و نیز داده پایه ای در بررسی دقیق تر مسائل مربوط به تخمین خسارت های ناشی از خشکسالی، سرمازدگی، آفت و غیره است. در زمینه استخراج مرز عوارض ساخت دست بشر مانند ساختمان، شبکه راه، بررسی تغییرات شهرها و مسیل ها و نیز شناسایی و طبقه بندی گیاهان تحقیقات زیادی صورت گرفته است اما در زمینه استخراج مرز اراضی کشاورزی به طور پیشرفته تحقیقات چندانی انجام نشده است. با توجه به کمبود داده های مکانی دقیق در مورد مساحت و موقعیت زمین های کشاورزی در کشورمان، هدف اساسی در این پایان نامه توسعه مدلی ناحیه مبنا از مدل های منحنی فعال غیر پارامتریک برای استخراج مرز اراضی می باشد. بدین منظور با بررسی سه مدل معروف از مدل های غیر پارامتریک منحنی فعال : local binary fitting, multi phase ,active contour without edges، مدل local binary fitting با قابلیت لازم برای استخراج مرز اراضی تشخیص داده شد. بهبود روند تشخیص مرز اراضی توسط این مدل با افزودن دو لایه بافت به تصویر ورودی و توسعه تابع انرژی خارجی انجام شده است. با توجه به این نکته که اکثر زمین های کشاورزی چسبیده به هم می باشند برای تشخیص چندین ناحیه در یک تصویر، مدل lbfبه صورت چند سطحی توسعه داده شد تا موفقیت بیشتری در شناسایی ناحیه ها داشته باشد. ارزیابی مرزهای استخراج شده از روش پیشنهادی برای شاخص های دقت کلی، صحت کاربر، صحت فرآورده و ضریب کاپا به ترتیب 89.53% ، 65.93% ، 86.13% و 86.52% است.

مراحل زیادی از زنجیره پردازش های فتوگرامتری به عملیات تناظریابی گره خورده است. روش تناظریابی بر مبنای هیستوگرام در مقایسه با سایر روش های تناظریابی دارای مفهوم ساده، اجرای آسان و محاسبات سریع می باشد. در این تحقیق روش تناظریابی بر مبنای هیستوگرام به شکلی توسعه داده شده است که منجر به روشی کارآمد جهت تناظریابی تصاویر با مقیاس های متفاوت شده است. روش پیشنهادی از دو بخش اصلی تشکیل شده است: بخش اول تناظریابی سریع (با دقت محدود) و بخش دوم تناظریابی دقیق می باشد. بخش اول خود به چهار مرحله تبدیل می شود. در مرحله اول بروی تصاویر ورودی پیش پردازش صورت می گیرد. در مرحله دوم هرم تصویر در مقیاس های مختلف برای تصویر ورودی که به دنبال متناظر آن در تصویر مرجع هستیم استخراج می شود. در مرحله سوم تصویر مرجع و هرم تصویر ورودی به زیر تصاویری (سلول) با ابعاد مشخص تقسیم می شود. سپس به هر سلول دو هیستوگرام با توجه به مقادیر درجه خاکستری پیکسلها اختصاص داده می شود. در مرحله نهایی از بخش اول فاصله همینگ بین سلول ها که معیار تشابه بین دو تصویر می باشد محاسبه می شود. جایی که کمترین میزان فاصله همینگ باشد به عنوان متناظر و مقیاس تصویر مرجع در نظر گرفته می شود. خروجی این بخش موقعیت تقریبی تصویر ورودی در تصویر مرجع می باشد. بخش دوم شامل سه مرحله می شود. ابتدا مقدار اولیه در مقیاس مشخص قرارگرفته و گوشه های هریس در هر تصویر استخراج می شود. سپس گوشه های متناظر با روش همبستگی آماری مشخص می-شوند. نهایتاً با روش کمترین مربعات موقعیت متناظر به دقیق ترین شکل بدست می آید. نتایج آزمایشات نشان می دهد که نرخ موفقیت این روش بروی تصاویر هوایی همپوشان با اختلاف مقیاس حداکثر 3 برابر و یا تصاویر ماهواره ای اخذ شده از دو سنجنده مختلف که حداکثر اختلاف مقیاسشان 3 برابر است بسیار مناسب است. سرعت این روش نسبت به سایر روش های تناظریابی بر مبنای هیستوگرام بالاتر است و نیز حساسیت کمتری نسبت به نویز دارد. همچنین دقت تقریباً 5/0 پیکسل بروی داده های مختلف بدست آمد.

روش های فتوگرامتری و سنجش از دور با توجه به وسعت منطقه تحت پوشش از یک طرف و نیز دقت قابل قبول این روش ها از طرف دیگر، به عنوان روش های مناسب جهت تولید و بهنگام رسانی اطلاعات مکانی شناخته شده اند. در حال حاضر یکی از زمینه های تحقیقاتی مهم در این رابطه کاهش نقش اپراتور انسانی در استخراج و بازسازی مدل عوارض از داده های مختلفی چون تصویر رقومی و داده-های ارتفاعی با بکارگیری الگوریتم های مختلف پردازش تصویر است. با توجه به تعداد زیاد ساختمان ها در مناطق شهری دستیابی به یک مدل یا الگوریتم جهت استخراج و بازسازی اتوماتیک این عارضه از داده های هوایی و ماهواره ای می تواند نقش انسان را در تولید اطلاعات مکانی بزرگ مقیاس شهری به حداقل رسانده و هزینه و زمان تولید آنها را به شدت کاهش دهد. منحنی های پویا به عنوان یکی از روش های مبتنی بر مدل های ریاضی با بکارگیری اطلاعات گرادیان و یا اطلاعات طیفی تصویر، یکی از روش های پرکاربرد در زمینه استخراج اتوماتیک عوارض از تصویر به شمار می روند. یکی از مشکلات اغلب مدل های منحنی های پویا موجود در زمینه استخراج ساختمان، عدم استفاده از اطلاعات و هوش انسانی در محاسبه تابع انرژی است. این مشکل علاوه بر ایجاد وابستگی مدل به کاربر، باعث کاهش کنترل کاربر در تاثیر پارامترهای مختلف تابع انرژی در بهبود منحنی اولیه می شود. لذا در تحقیق حاضر ضمن استفاده از مزایای مدل منحنی های فعال، از هوش انسانی جهت غلبه بر مشکل بیان شده استفاده کرد. با استفاده از الگوریتم های هوش محاسباتی می توان به نحو مناسبی از دانش و روند تصمیم گیری انسان در تشخیص عوارض بهره گرفت. یکی از روش هایی که می تواند زمینه ورود دانش غیرقطعی انسانی در فرآیند بهبود منحنی را ایجاد کند، سیستم های محاسبات فازی است. با محاسبه تابع انرژی مدل منحنی پویا با استفاده از یک سیستم استنتاج فازی می توان کنترل عامل را بر روی نقش قسمت-های مختلف تابع انرژی افزایش داد و با تعریف قوانین مطابق دانش کارشناسی و درک انسان از تاثیر پارامترهای مختلف، زمینه بهبود جستجو و استخراج را توسط این مدل ها ایجاد کرد. در مدل پیشنهادی در این تحقیق که جزء نوآوری های این تحقیق می باشد، با محاسبه تابع انرژی خارجی در قالب یک سیستم استنتاج فازی و با بهره گیری از دانش کارشناسی، مشکلات مدل های موجود در استخراج اتوماتیک ساختمان ها از تصاویر با قدرت تفکیک بالا برطرف شده است. مهم ترین مزیت مدل های جدید قابلیت استخراج یک عارضه هدف از تصویر، پایین بودن حساسیت به نویز حاصل از عوارض موجود بر روی سقف ساختمان ها و تفکیک ساختمان های بهم چسبیده می باشد. محدوده ساختمان های استخراج شده در مناطق شهری، را می توان به منظور بازسازی سه بعدی و تهیه مدل های شهری مورد استفاده قرار داد. در زمینه بازسازی ساختمان خصوصاً از داده های لیدار، تحقیقات بسیاری انجام شده است و روش های موجود را می توان در دو دسته کلی تقسیم بندی کرد. روش های مدل مبنا که عمدتاً بر مبنای مدل های اولیه تعریف می شوند و عملکرد این روش ها محدود به این مدل ها هستند و توانایی آنها وابستگی زیادی به تطابق مدل های اولیه به ساختمان های موجود در تصویر دارد؛ بنابراین طراحی یک الگوریتم جامع نیازمند یک شناخت کامل از ساختمان های موجود در منطقه دارد. این دسته مدل ها محدودیت هایی نسبت به پیچیدگی شکل سقف ساختمان دارند؛ بازسازی سقف های پیچیده ساختمانی محدود به مجموعه مدل های ساده کتابخانه ایست. در این تحقیق، یک روش مدل مبنای بازسازی ساختمان بر مبنای بهینه کردن پارامترهای مدل ساختمان با استفاده از الگوریتم ژنتیک ارائه می شود. استفاده از الگوریتم ژنتیک در روش پیشنهادی که یکی دیگر از نوآوری-های این تحقیق به شمار می رود، ضمن افزایش انعطاف پذیری روش های مدل مبنا، نیاز به توابع کتابخانه ای را در این دسته روش ها برطرف می نماید.

روش‏های فتوگرامتری و سنجش از دور با توجه به وسعت منطقه تحت پوشش و همچنین دقت قابل قبول این روش‏ها، به عنوان روش‏های مناسب جهت تولید و به‏هنگام رسانی اطلاعات مکانی و نقشه‏های پوششی شناخته شده‏اند. در حال حاضر یکی از زمینه‏های تحقیقاتی مهم در این زمینه، کاهش نقش اپراتور انسانی در استخراج عوارض از تصاویر با قدرت تفکیک مکانی بالا با به‏کارگیری الگوریتم‏های مختلف پردازش تصویر است. با توجه به تعدد راه‏ها در مناطق شهری، دست‏یابی به یک مدل یا الگوریتم مناسب جهت استخراج اتوماتیک یا نیمه اتوماتیک این عارضه از تصاویر هوایی و ماهواره‏ای می‏تواند نقش انسان را در تولید نقشه‏های بزرگ مقیاس شهری به حداقل رسانده و هزینه‏های مالی و زمانی تولید آن‏ها را به شدت کاهش دهد. منحنی‏های فعال هندسی، به عنوان یکی از روش‏های مبتنی بر مدل‏های ریاضی، با به‏کار گیری اطلاعات گرادیان و یا اطلاعات طیفی تصویر، یک منحنی از پیش تعریف شده را در یک فرآیند تکراری به سمت محدوده عوارض موجود در تصویر هدایت می‏کند. برای تولید نتایج بهتر در استخراج راه از تصاویر با قدرت تفکیک بالا، استفاده از داده‏های ارتفاعی و داده‏های طیفی و توسعه مدل‏های ریاضی موجود، اجتناب ناپذیر است. در این تحقیق روشی ارائه شده است که با استفاده از داده‏های ارتفاعی و شدت لیدار و همچنین با به‏کار گیری و توسعه یکی از مدل‏های منحنی‏های فعال هندسی موسوم به مدل lbf، قادر به استخراج عارضه راه از تصاویر با حد تفکیک بالا خواهد بود. مطابق با روش پیشنهادی، پس از هم‏مرجع نمودن داده‏ها، ndsm منطقه با استفاده از داده‏های لیدار تشکیل شده و عوارض مرتفع، با استفاده از ndsm، حذف می‏شوند. در ادامه با افزودن قیدهایی به مدل lbf و اجرای آن بر روی تصویر خروجی از مرحله قبل، راه‏های منطقه شناسایی و استخراج می‏گردد. به‏منظور انجام ارزیابی کمی، داده‏های مرجع بوسیله رقومی‏سازی دستی راه‏ها از تصویر rgb منطقه، تولید شده‏اند. نتایج ارزیابی حاکی از 93/40% "کامل بودن"، 76/97% "صحیح بودن" و 73/00% "کیفیت" می‏باشد.

حجم زیادی از تصمیم سازی مدیران و کارشناسان سازمان های مختلف اجرایی در کشور به اطلاعات مکانی و موقعیت مکانی عوارض مرتبط است، لذا وجود اطلاعات مکانی دقیق و صحیح از منابع در یک پایگاه داده جامع از مهم ترین ابزار تصمیم گیری و مدیریت جامعه هست. روش-های کسب اطلاعات مکانی گسترده اند اما روش هایی که با کمترین هزینه و زمان اطلاعات دقیق ارائه دهند محدود می باشند. یکی از منابع کسب اطلاعات دقیق، تصاویر رقومی است که با پرتاب ماهواره های تجاری سنجش از دور تصاویر رقومی با حد تفکیک مکانی بالا در اختیار کاربران قرار داده شده است. یکی از کاربردهای این تصاویر، امکان تجزیه و تحلیل بافت شهری و استخراج اتوماتیک و نیمه اتوماتیک اطلاعات عوارض جهت به روزرسانی نقشه ها و پایگاه داده های gis می باشد. روش های فتوگرامتری و سنجش از دور با توجه به وسعت منطقه تحت پوشش از یک طرف و نیز دقت قابل قبول از طرف دیگر، به عنوان یکی از روش های مناسب جهت تولید و به روزرسانی نقشه ها و اطلاعات مکانی شناخته شده اند. در حال حاضر یکی از زمینه های تحقیقاتی مهم در حوزه های فتوگرامتری و سنجش از دور کاهش نقش اپراتور انسانی در استخراج عوارض از تصاویر با قدرت تفکیک مکانی بالا با به کارگیری الگوریتم های مختلف پردازش تصویر می باشد. به علت تعدد عارضه راه در مناطق شهری و غیرشهری دستیابی به یک مدل یا الگوریتم جهت استخراج اتوماتیک یا نیمه اتوماتیک این عارضه از تصاویر رقومی می تواند نقش اپراتور انسانی را در تولید نقشه های بزرگ مقیاس شهری به حداقل رسانده و هزینه و زمان تولید آن ها را کاهش دهد. منحنی فعال به عنوان یکی از روش های مبتنی بر مدل های ریاضی که از سطح اتوماسیون بالایی برخوردارند، با به کارگیری اطلاعات گرادیان، یک منحنی از پیش تعریف شده را در یک فرآیند تکراری به سمت محدوده عوارض در تصویر هدایت می نماید. با توجه به مشکلات منحنی فعال در شناسایی عوارض همگن و انعطاف پذیری کم در شناسایی انواع راه ها، در این تحقیق از سیستم استنتاج فازی جهت بهبود نتایج پیاده سازی این مدل ها در استخراج عارضه راه استفاده گردید. سیستم استنتاج فازی سیستمی هوشمند و کارآمد در جهت تبدیل دانش بشری به فرمول ریاضی می باشد. در روش ارائه شده، با استفاده از سیستم استنتاج فازی پارامترهای انرژی خارجی مدل منحنی فعال ارزیابی شده و دقت نتایج به صورت چشمگیری بهبود یافته اند. از مهم ترین مزیت-های این روش می توان به حساسیت کم به نویز، کاهش نقش اپراتور و استخراج راه های پیچیده اشاره نمود. با بررسی نتایج درمی یابیم که مدل پیشنهادی به صحت استخراج شکل 94 درصد و پارامتر صحت kappa 85 دست یافته است

امروزه دوربین های دیجیتالی بطور وسیعی برای فتوگرامتری برد کوتاه مورد استفاده قرار می گیرند. بدلیل امکان ذخیره تصاویر، قابلیت حمل و نقل آسان و امکان پردازش سریع داده، دوربین های دیجیتالی جایگزین دوربینهای آنالوگ شده اند و برای کاربردهایی از قبیل نمایش و اندازه گیری جابجاییهای سازه ها، کاربردهای صنعتی و صنایع هوائی مورد استفاده قرار می گیرند. دوربین های دیجیتالی دارای انواع متنوعی بوده وبه صورت تک لنزی و یا متشکل از لنز متغیر، موجود می باشد. جهت استفاده از این دوربین ها در کاربردهای فتوگرامتری، لازم است نقش پارامترهای کالیبراسیون در فرآیند عکسبرداری بررسی شود. کالیبراسیون دوربین فرآیندی است که خطای سیستماتیک را مدل کرده و موجب برقراری ارتباط بین دو فضای شی و تصویر می گردد. روشهای مختلفی برای کالیبراسیون دوربینها وجود دارد ولی به علت تنوع و قابلیتهای متفاوت دوربینها یک روش استاندارد برای کالیبره کردن دوربین ها وجود ندارد و اغلب روشها ترکیبی از روش سرشکنی دسته اشعه می باشند. با توجه به خصوصیات دوربین های دیجیتالی لازم بود که تأثیر پارامترهای کالیبراسیون بروی یک نمونه از این دوربینها بررسی شود و سپس در یک کاربرد فتوگرامتری بکار برده شود. دوربین مورد نظر برای این تحقیق، دوربین دیجیتالی canon pro 90 با لنز متغیر است که برای بررسی کالیبراسیون این دوربین از روش سرشکنی دسته اشعه و روش المانهای محدود در دوتست فیلد استفاده می شود. در این تحقیق از روش سرشکنی دسته اشعه در چهار حالت مشتکل از پارامترهای xo,yo,c,k1,k2,p1,p2,sx,a و از روش المانهای محدود با 4المان استفاده شده است نتایج حاصل از روش سرشکنی دسته اشعه با 4 حالت از پارامترهای کالیبراسیون نشان می دهد که دقت مختصات شی دوربین با افزایش پارامترهای کالیبراسیون افزایش محسوسی نداشته و می توان با 4 پارامتر کالیبراسیون xo,yo,c,k1 تحت شرایط تصویر برداری انتخاب شده در این پایان نامه به دقت نیم میلی متر در جهت x,y و 20/1 میلی متر در جهت z دست یافت و می توان با در نظر گرفتن چهار پارامترکالیبراسیون فوق برای این دوربین، از آن در کاربردهای فتوگرامتری برد کوتاه استفاده کرد نتایج حاصل از روش المانهای محدود با چهار المان نشان می دهد که دقت مخصتات شی آن کمتر از روش سرشکنی دسته اشعه می باشد. و جهت رسیدن به دقتهای بالاتر لازم است که از المانهای بیشتری استفاده گردد. با توجه به پارامترهای کالیبراسیون تخمین زده شده برای تصاویر این دوربین می توان چنین نتیجه گیری کرد که پارامترهای کالیبراسیون از هر تصویر به تصویر دیگر متفاوت بوده و نمی توان به صورت عددی بر مقادیر آن تأکید کرد و تنها می توان، تأثیر پارامترهای کالیبراسیون را در فضای شی بحث کرد و پارامترهای موثر افزایش دقت دوربین را شناسایی و به دوربین معرفی کرد. بنابراین پارامترهای کالیبراسیون در این دوربین تابع زمان، فوکوس، فاصله کانونی و دیافراگم بوده و در هر پروژه نیاز است که پارامترهای کالیبراسیون دوربین تخمین زده شود

طبقه¬بندی و تهیه نقشه کاربری از مناطق شهری یکی از کاربردهای گسترده در سنجش ازدور جهت برنامه ریزی و مدیریت این مناطق است. نیاز به افزایش دقت طبقه¬بندی یکی از موضوعات مهم در سنجش ازدور است. تلفیق داده¬های سنجش ازدوری می¬تواند به عنوان یک روش پرکاربرد برای افزایش دقت طبقه¬بندی استفاده شود. تلفیق داده¬ها از منابع مختلف یکی از تکنیک¬های قدرتمند است که تصاویر و داده¬های جمع آوری شده از سنسورهای مختلف را ترکیب و یک داده تلفیقی تولید می¬کند که اطلاعات و جزئیات بیشتری نسبت به هر منبع داده به تنهایی دارد. از طرفی با ظهور سنجنده¬های نوین در سنجش ازدور امکان دسترسی به داده¬ها و تصاویری با پتانسیل اطلاعاتی بالا وجود دارد که امر تلفیق را تسهیل می¬سازد. علاوه بر این، مناطق شهری بسیار ناهمگن هستند، وجود عوارض مختلف مثل عوارض طبیعی، عوارض ساخته دست بشر و عوارض غیرقابل پیش بینی مثل وسایل نقلیه طبقه¬بندی این مناطق را بسیار پیچیده می¬کند و استفاده از یک منبع داده به تنهایی منجر به نتایج دقیق جهت تهیه نقشه کاربری از این مناطق نخواهد شد. در این پایان¬نامه از دو روش تلفیق در سطح ویژگی و تصمیم گیری دو منبع داده پلاریمتریک راداری (polsar) از سنجنده رادارست-2 و فراطیفی (hyperspectral) از سنجنده هایپریون جهت طبقه¬بندی منطقه شهری سانفرانسیسکو استفاده شده است. علت استفاده از این دو منبع داده، به این خاطر است که این دو منبع داده ماهیت متفاوت و مکمل نسبت به یکدیگر دارند. داده¬ فراطیفی اطلاعات را از سطح و طیف عوارض در تعداد زیاد باند فراهم می¬کند درحالی که داده راداری از ویژگی¬های فیزیکی و دی الکتریک تارگت¬ها اطلاعات را ارائه می¬کند. در روش تلفیق در سطح ویژگی ابتدا ویژگی¬های هر داده به طور جداگانه استخراج شدند و سپس در یک فضای ویژگی جدید با یکدیگر در سطح ویژگی تلفیق شدند و درنهایت با استفاده از الگوریتم ga-svm طبقه بندی شدند. در روش تلفیق در سطح تصمیم¬گیری ابتدا دو تصویر به طور جداگانه طبقه¬بندی می¬شوند و سپس نتایج طبقه¬بندی دو داده در سطح تصمیم و با استفاده از قوانین تلفیق در سطح تصمیم گیری با یکدیگر تلفیق می¬شوند. در این پایان¬نامه نتایج طبقه¬بندی نرم داده راداری به روش ga-svm و تصویر فراطیفی به روش ga-svm و نیز نتیجه طبقه¬بندی نرم داده راداری به روش ga-svm و نتیجه فراوانی¬های تصویر فراطیفی به روش تجزیه طیفی خطی (lsu) با استفاده از روش¬های تلفیق در سطح تصمیم که شامل روش رتبه، میانگین (میانگین حسابی)، ضرب (میانگین هندسی)، ماکسیمم و مینیمم و همچنین این روش¬ها به صورت وزن¬دار است، با یکدیگر تلفیق شدند. نتایج نشان می¬دهند که دو روش تلفیق در سطح ویژگی و تصمیم گیری به طور قابل توجهی دقت طبقه¬بندی منطقه شهری موردمطالعه را نسبت به هر منبع داده به تنهایی افزایش می-دهند و نیز با مقایسه نتایج طبقه¬بندی این دو روش تلفیق درمیابیم که روش تلفیق در سطح ویژگی دقت بالاتری نسبت به روش تلفیق در سطح تصمیم را ارائه کرده است

امروزه شهرها با رشدی قابل توجه در حال گسترش و توسعه هستند، به طوری که فرآیند توسعه شهرها در حال حاضر یکی از مهمترین موضوعات پیش روی پژوهشگران مسائل شهری، متخصصین سنجش از دوری،فتوگرامتری و سیستم اطلاعات جغرافیایی است . استفاده از تصاویر ماهوارهای چندزمانه میتواند در نظارت دقیق و سریع بر کاربری اراضی و بهرهبرداری بهینه از منابع زمین مفید واقع شود و از نظر اقتصادی مقرون به صرفه باشد. در پژوهش حاضر چارچوبی جهت شناسایی تغییرات در مناطق شهری با استفاده از تلفیق اطلاعات طیفی و بافتی و ارزیابی روشهای مقایسه مستقیم و پس از طبقه بندی در این امر ارائه شده است. در این تحقیق از تصاویر ماهوارهای geoeye و quickbird جهت شناسایی تغییرات شهرک آزادشهر واقع در ناحیه هشت از منطقه 22 استان تهران، استفاده شد. با توجه به ضرورت مرحله نرمالیزاسیون رادیومتریکی، در این تحقیق روشی اتوماتیک، مبتنی بر تبدیل ir-mad و شبکه عصبی مصنوعی توسعه داده شد. جهت استخراج ویژگی از فیلتر گابور و ماتریس رخداد همزمان استفاده شد و همچنین جهت انتخاب ویژگی از pca و kpca جهت شناسایی تغییرات مبتنی بر مقایسه مستقیم و الگوریتم ژنتیک جهت شناسایی تغییرات مبتنی بر مقایسه پس از طبقهبندی استفاده شد.

پوشش زمین اشاره به پوشش فیزیکی و بیولوژیکی سطح زمین شامل: آب, خاک بایر, جنگل پوشش گیاهی, کوه ها و زمین های غیرقابل نفوذ دارد و در مقابل کاربری اراضی هر نوع کاربری که به وسیله فعالیت های انسان در سطح زمین ایجاد می گردد را شامل می شود. مدل سازی تغییرات پوششی و کاربری جهت پایش و شناخت میزان این تغییرات در سالهای گذشته و پیش بینی این تغییرات در سالهای آینده می تواند در راستای برنامه ریزی و مدیریت بهتر و بهینه از منابع, کنترل , نظارت و جلوگیری از تغییرات غیراصولی در سالهای آینده, کمک های ارزشمند و دقیقی را انجام دهد و باعث شود این تغییرات در مسیرهای مناسب هدایت شوند.جهت نائل شدن به این اهداف سیستم های سنجش ازدور با فراهم آوردن تصاویر باقدرت تفکیک مکانی مختلف و در زمانهای منظم و سیستم های اطلاعات مکانی به دلیل قابلیت تجزیه وتحلیل و ذخیره سازی, مدل سازی و نمایش اطلاعات مکانی, می توانند به کار گرفته شوند.از طرفی ، حضور عامل خبره در اغلب پروژه-های پایش روند تغییرات از قبیل بازدید حضوری از منطقه و نمونه برداری، امری اجتتناب ناپذیر و نیازمند هزینه و زمان بیشتری می باشد.که در این راستا جهت کاهش و رفع مشکلات ذکرشده , اتوماتیک سازی پایش تغییرات و کم کردن نقش عامل خبره انسانی می تواند کمک های شایانی را انجام دهد. . در این تحقیق هدف افزایش هرچه بیشتر سطح اتوماسیون پایش روند تغییرات است. برای نائل شدن به این هدف با شبیه سازی نقش عامل خبره و با الهام گرفتن از نحوه استنتاج, تصمیم گیری, حل مسئله و نحوه ی به کارگیری دانش و تکنیک های مختلف شخص خبره, که از آن ها تحت عنوان فرآیندهای شناختی شخص خبره یاد می شود, و با استفاده از تلفیق سیستم های دانش پایه سامانه های سنجش ازدور و اطلاعات مکانی سعی در جمع آوری داده های آموزشی تا حد امکان اتوماتیک از نقشه موجود منطقه مربوط به سال 2005 و طبقه بندی تصویر سال 2014 از منطقه مورد مطالعه که شامل بخشی از استان مازندران می باشد, شد.بعد از به دست آمدن تصویر طبقه بندی شده , برای پیشی بینی تغییرات پوششی و کاربری برای سال 2040، با استفاده از نقشه های کاربری سال های 2014 و 1986 و به کمک مدل پایه شبکه های عصبی مصنوعی و تحلیل زنجیره مارکوف انجام گردید. به این منظور، از متغیر های مکانی فاصله از جاده ، فاصله از مناطق مسکونی، فاصله از حاشیه جنگل، شاخص گسستگی جنگل، ارتفاع، شیب و جهت به عنوان عوامل موثر بر تغییرات در شبکه عصبی مصنوعی استفاده شد. بنا بر نتایج، در طول دوره 1986-2014، نزدیک 18425 هکتار جنگل تخریب شده است. همچنین مناطق شهری33398 هکتار به نسبت به سطح اولیه خود توسعه یافته است همچنین شاهد از بین رفتن 20943 هکتار از اراضی کشاورزی می باشیم.

حجم عمده ای از تصمیمات کلان و راهبردی اخذ شده توسط مدیران و برنامه ریزان، به موقعیت و مکان عوارض شهری منتسب و مربوط می باشد. از طرفی ساختمان ها یکی از عوارض مهم شهری می-باشند لذا آشکارسازی آن از تصاویر هوایی و ماهواره ای یکی از دغدغه های مهم متخصصان فتوگرامتری و سنجش از دور می باشد. از این رو در این تحقیق، هدف آشکارسازی ساختمان از تصاویر ماهواره ای با توان تفکیک بالا با استفاده از عوارض موضعی می باشد. آشکار سازی اتوماتیک ساختمان برای کاربردهای مختلفی مورد نیاز می باشند اما اشکال پیچیده ی عوارض مکانی و نحوه ظهور آنها در تصاویر ماهواره ای باعث پیچیدگی این فرآیند شده است. از طرفی روش هایی که تا کنون به منظور آشکارسازی ساختمان استفاده شده است نیاز به داده هایی از جمله داده-های ارتفاعی، تصاویر رنگی و یا تصاویرچند طیفی بوده اند. به همین دلیل معرفی روشی که نیازمند داده-های زیادی نباشد و تنها با استفاده از یک تصویر توانایی انجام آشکارسازی را داشته باشد، لازم و ضروری می باشد. اخیراً عوارض موضعی به عنوان ساختارهای برجسته تصویر جهت استخراج اطلاعات از تصاویر در کاربردهای مختلف مورد استفاده قرار گرفته است. هدف این پژوهش آشکارسازی موقعیت ساختمان ها در تصاویر ماهواره ای با توان تفکیک بالا با استفاده از عوارض موضعی می باشد. برای این منظور در ابتدا سه دسته مختلف از عوارض موضعی شامل عوارض نقطه ای harris، عوارض دایره ای sift و عوارض بیضی شکل mser و به همراه عوارض خطی در تصویر استخراج شده و سپس با استفاده از یک تابع ویژه مبتنی بر تابع گوسین، موقعیت ساختمان ها شناسایی می گردد. برای ارزیابی روش مورد استفاده، نتایج حاصل از روش اتوماتیک با داده های مرجع موجود مقایسه و دقت روش پیشنهادی محاسبه گردید. توانایی آشکارسازی 100 درصد با صحت 83 درصد به خوبی نشان می دهد که ترکیب چهار الگوریتم ذکر شده می تواند جهت آشکار سازی اتوماتیک ساختمان استفاده گردد.

امروزه یکی از مهم ترین دغدغه های متخصصین فتوگرامتری و سنجش ازدور، شناسایی و استخراج اتوماتیک عوارض شهری به ویژه عارضه ساختمان و سایر عوارض مسقف است. در این تحقیق، هدف شناسایی و استخراج عارضه ساختمان در مناطق شهری بر مبنای تلفیق تصاویر هوایی و اطلاعات تهیه شده از ابر نقاط لیدار است. در همین راستا، در ابتدا مدل رقومی زمین از طریق اعمال فیلتر adaptive tin از داده های نقطه ای لیدار تهیه سپس با تولید مدل رقومی نرمال شده سطح و اعمال حد آستانه ارتفاعی، عوارض مرتفع جداسازی گردیده شده است. جهت شناسایی عارضه ساختمان، ابتدا مجموعه ای از ویژگی های طیفی و بافتی قابل استخراج از سطح تصاویر هوایی و ویژگی های هندسی از سطح داده لیدار تهیه شده و با استفاده از الگوریتم ga_svm جهت شناسایی و جداسازی بهینه ترین ویژگی ها باهدف شناسایی و طبقه بندی عوارض مرتفع با تأکید بر شناسایی ساختمان استفاده شده اند. استفاده از ویژگی های بهینه انتخابی جهت طبقه بندی مجدد عوارض مرتفع با استفاده از طبقه بندی کننده های بیشترین شباهت،k همسایه نزدیک و شبکه عصبی در مرحله بعد انجام گرفته است. نتایج مرحله شناسایی توسط الگوریتم ماشین بردار پشتیبان به عنوان بهترین نتایج انتخاب و به منظور کاهش پیچیدگی های شناسایی و حذف بلوک های چند ساختمانی، صفحات سقفی هر ساختمان به طور مجزا توسط الگوریتم mean_shift استخراج و بعد از آنالیز ارتفاعی و مقایسه با بردار متعامد، به صورت ساختمان هایی شیب دار و مسطح در دو سطح ارتفاعی تفکیک شده اند. در ادامه با تلفیق نتایج حاصله از بخش بندی تصویر و اطلاعات استخراجی از لبه ساختمان ها با نتایج مرحله شناسایی اقدام به بهبود هندسی نتایج شناسایی شده است، سپس با اعمال الگوریتمی پیشنهادی مناطق تخریب شده توسط درختان در سطح ساختمان ها شناسایی، تصحیح و نتیجه نهایی وارد الگوریتم جنرالیزاسیون، جهت استخراج نهایی محدوده هر ساختمان شده است. درنهایت به طور میانگین، دقت کلی 0425/98 و ضریب کاپای 9254/. برای مناطق موردبررسی جهت استخراج ساختمان بدست آمد.

اخیرا مد جدیدی در سیستم های تصویربرداری dual polarimetry ارائه شده است که compact polarimetry (cp) نامیده می شود. این مد چندین مزیت مهم را نسبت به مد full polarimetry دارا می باشد که از جمله آنها می توان به قابلیت کاهش در پیچیدگی، هزینه و نرخ داده های sar اشاره کرد. همچنین این مد پهنای نوار وسیع تری را نسبت به مد fp دارد. بنابراین این مد می تواند برای کاربردهای بزرگ مقیاس مانند کنترل و پایش مناطق جنگلی مناسب باشد. در این تحقیق پتانسیل داده های cp در طبقه بندی پوشش های جنگلی بررسی و ارزیابی شده است.

برای این منظور در این تحقیق از تصاویر ماهواره ای با رزولوشن بالای ماهواره های geoeye-1 و quickbird-1 جهت شناسایی تغییرات در منطقه مطالعاتی شهرک آزاد شهر واقع در ناحیه هشت از منطقه 22 استان تهران، استفاده شده است. تصاویر ماهواره ای quickbird-1 متعلق به سال 1385 و geoeye-1 متعلق به سال 1389 است. به منظور بهبود صحت آشکارسازی تغییرات، از آنالیز های شیءگرای تصاویر استفاده شد.در این پایان نامه هدف آشکارسازی تغییرات شیء مبنا با استفاده از روش قطعه بندی چند مقیاسه و طبقه بندی کننده ماشین بردار پشتیبان است، که با دو روش طبقه بندی کننده نزدیک ترین همسایگی و سلسله مراتبی مقایسه شده است.در این پایان نامه از سه تکنیک استفاده شده است در دو روش اول تصاویر با روش چندمقیاسه قطعه بندی می شوند و سپس با استفاده از روش ماشین بردار پشتیبان طبقه بندی می شوند با این تفاوت که درروش دوم دو تصویر باهم ادغام می شوند.در تکنیک سوم از روش پیکسل مبنا استفاده شده است به این صورت که ابتدا دو تصویر به روش ماشین بردار پشتیبان طبقه بندی شده سپس برای حصول به نقشه ماهیت تغییرات این دو تصویر با روش مقایسه پس از طبقه بندی باهم مقایسه می شوند. پس از مشاهده نقشه ماهیت تغییرات هر سه تکنیک این نتیجه حاصل شد که روشی به کار رفته در تکنیک دوم هم ازلحاظ کیفی و هم ازلحاظ طیفی دارای بالاترین دقت است. و دارای دقت کلی 91.59 و ضریب کاپای 89.14 است.

در تعیین با استفاده از gps، علاوه بر عناصر مختلف دخیل در سیستم از قبیل ایستگاههای کنترل، ماهواره ها و گیرنده ها، نرم افزارهای پردازشگر اطلاعات دریافتی نیز از اهمیت ویژه ای برخوردارند. زیرا بدون داشتن یک نرم افزار کارآمد و انعطاف پذیر که مناسب برای انواع مشاهدات gps باشد. حصول نتیجه مطلوب از تعیین موقعیت ماهواره ای بعید به نظر می رسد. به همین دلیل نرم افزارهای پردازشگر اطلاعات و زیرنامه های سرشکنی مشاهدات مربوط به آنها، همواره در حال پیشرفت می باشند تا علاوه بر استفاده از امکانات جدید سیستم gps و گیرنده های آن، از روشهای جدید برنامه نویسی کامپیوتری برای بالا بردن دقت و سرعت محاسبات بهره مند گردند. این پایان نامه در ابتدا مفاهیم و اصول اولیه سیستم gps را بررسی می کند. پس از آن به پارامترهای مختلف قابل مشاهده و اندازه گیری در gps مع در تشکیل معدلات مشاهدات ، نقش دارند می پردازند. در قسمتهای بعدی به بررسی مدلهای ریاضی مختلف از قبیل مدل تعیین موقعیت مطلق نسبی و مدلهای مختلف دیفرانسیلی پرداخته و پس از آن روش سرشکنی مدلهای مذکور را بیان می کند. سپس مدل دیفرانسیلی مرتبه سوم، بطور اخص ارزیابی می گردد. در نهایت ، نحوه طراحی و اجرای برنامه سرشکنی با استفاده از روش دیفرانسیلی مرتبه سوم که هدف این پایان نامه است ، بیان می گردد و نتایج حاصل از برنامه فوق الذکر از نظر می گذرد. در بخش های پیوسته نیز قابلیت های مختلف نرم افزارهای gps بررسی می شوند. نتایج حاصل از برنامه نشان می دهد در طول های حدود چند کیلومتر با در نظر گرفتن وابستگی بین مشاهدات ، دقتی در حدود 2-3 متر و با چشم پوشی از وابستگی دقتی در حدود 7-8 متر در تعیین مختصات نقطه rover، قابل دستیابی می باشد.

بدلیل وجود منابع مختلف خطا در مشاهدات (global positioning system) gps، خصوصا خطای seiective availability) sa، دقت حاصل از تعیین موقعیت مطلق لحظه ای جوابگوی بسیاری از کاربردهای مورد نیاز نمی باشد. برای غلبه بر مشکل مزبور سیستم تعیین موقعیت آنی dgps یا(real time differential gps) rt-dgps بوجود آمد. متاسفانه علی رغم تحقیقات گسترده ای که در زمینه ارزیابی و گسترش سیستم rt-dgps در کشورهای امریکایی و اروپایی صورت گرفته است ، تاکنون هیچ تحقیق جدی در این مورد در ایران انجام نشده است و شاید برای اولین بار است که پایان نامه ای در زمینه rt-dgps تهیه می شود. این پایان نامه پس از تشریح اصول و مبانی یک سیستم rt-dgps و مدل ریاضی تولید تصحیحات dgps به ارزیابی دقت حاصل از یک سیستم rt-dgps براساس یکسری مشاهدات انجام شده توسط نگارنده می پردازد. معیارهایی که برای این ارزیابی در نظر گرفته شده است عبارتند از: - تاخیر زمانی در اعمال تصحیحات dgps تولید شده - تعداد ماهواره های مشترک مورد ردیابی در ایستگاهای مرجع و متحرک - فاصله زمانی بین ایستگاه مرجع و متحرک - میزان خطای موجود در موقعیت ایستگاه مرجع نسبت به سیستم مختصات wgs-84 ذکر این الزامی است که بدلیل عدم وجود یک سیستم مخابراتی بمنظور ارسال و دریافت تصحیحات dgps، تاخیرهای زمانی بصورت محاسباتی در نظر گرفته شده است . نتایج قابل توجهی که در انجام این پایان نامه بدست آمده است عبارتند از: - ارجع بودن یک مدل درجه دو بر مدل خطی بمنظور پیش بینی تصحیحات ddgps برای تاخیرهای زمانی بوجود آمده در اعمال تصحیحات - مناسب بودن بازده زمانی 15 الی 30 ثانیه برای تبعیت رفتار تصحیحات dgps از یک مدل درجه دو - دستیابی به دقت های لحظه ای زیر یک متر برای فواصل کوتاهتر، تعداد ماهواره های مورد ردیابی بیشتر و تاخیر زمانی کمتر - قابل اغماض بودن اثر خطای موجود در موقعیت ایستگاه مرجع بر روی موقعیت ایستگاه متحرک برای سیستم متداول rt-dgps.