استخراج اتوماتیک شبکه راه براساس ادغام تصاویر ماهوارهای سنتینل1 و سنتینل2 با ویژگیهای آنالیز بافت در فضای غیرشهری (مطالعه موردی: مسیر شاهرود- میامی) | ||
| مهندسی زیر ساخت های حمل و نقل | ||
| دوره 7، شماره 3 - شماره پیاپی 27، پاییز 1400، صفحه 95-116 اصل مقاله (4.11 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22075/jtie.2021.23191.1531 | ||
| نویسندگان | ||
| سید مهدی موسوی* 1؛ حسین قاسم زاده طهرانی2؛ بهناز بیگدلی3 | ||
| 1دانشجوی کارشناسی ارشد مهندسی راه و ترابری، دانشکده مهندسی عمران، دانشگاه صنعتی شاهرود | ||
| 2استادیار گروه مهندسی راه و ترابری، دانشکده مهندسی عمران، دانشگاه صنعتی شاهرود | ||
| 3استادیار گروه سنجش از راه دور و فتوگرامتری، دانشکده مهندسی عمران، دانشگاه صنعتی شاهرود | ||
| چکیده | ||
| سنجش از دور در بسیاری از زمینههای علمی و تحقیقاتی، از جمله در مهندسی راه و حمل و نقل، کاربردهای گستردهای دارد که میتوان به مهمترین کاربرد آن یعنی استخراج شبکه راه و تهیه نقشه شماتیک آن اشاره کرد. استخراج شبکه راهها از تصاویر ماهوارهای نوعی فناوری مکمل برای دستیابی به اطلاعات بهشمار میآید که تفسیر و آنالیز تصویر را سادهتر کرده و باعث ارتقای کیفیت میشود. هدف اساسی این پژوهش، استخراج اتوماتیک شبکه راه در مسیر شاهرود- میامی بوده که نقشه شبکه راه حاصله به عنوان ورودی سیستم مدیریت روسازی (PMS) مورد استفاده قرار گیرد. روش پیشنهادی در این مطالعه مبتنی بر تکنیک ادغام و تلفیق تصاویر ماهوارههای سنتینل1 و سنتینل2 با روش حداکثر رأیگیری به منظور استفاده بیشینه از اطلاعات طیفی و مکانی چند تصویر (افزایش جزئیات) به جای تکتصویر، با استفاده از ویژگیهای بافت، میباشد. در ادامه، برای انجام طبقهبندی نظارت شده، از دو طبقهبند غیرپارامتریک شبکه عصبی مصنوعی (ANN) و ماشین بردار پشتیبان (SVM) و یک طبقهبند پارامتریک حداکثر احتمال شباهت (ML) در دو کلاس کلی راه و غیرراه استفاده شد. نمونههای آزمایشی به صورت تصادفی و همگن و نمونههایی از تصاویر و نقشههای موجود منطقه برای ارزیابی دقت طبقهبندی استفاده شدند. نتایج نشان داد که ادغام و تلفیق نتایج طبقهبندیها با روش حداکثر رأیگیری موجب بهبود دقت حدود 4% برای ماهواره سنتینل1 و حدود 6% برای ماهواره سنتینل2 در شناسایی مسیر و شبکه راهها شده است. همچنین، ضریب کاپا در روش حداکثر رأیگیری نسبت به ANN (بهترین عملکرد مؤثر طبقهبندیها) برای ماهواره سنتینل1 حدود 11/0 و برای ماهواره سنتینل2 حدود 06/0 رشد داشته است. | ||
| کلیدواژهها | ||
| استخراج راه؛ شبکه عصبی مصنوعی؛ ادغام تصویر؛ طبقهبندی نظارت شده؛ سنجش از دور | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,228 تعداد دریافت فایل اصل مقاله: 1,377 |
||
| تعداد نشریات | 22 |
| تعداد شمارهها | 723 |
| تعداد مقالات | 10,397 |
| تعداد مشاهده مقاله | 72,865,445 |
| تعداد دریافت فایل اصل مقاله | 64,557,367 |