ارزیابی جامع تصویر با قدرت تفکیک بالا به منظور بازنگری نقشه های بزرگ مقیاس مطالعه موردی: تصویر worldview-2 منطقه تهران
چکیده
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.