آشکارسازی نیمه اتوماتیک ساختمان از تلفیق تصاویر نوری و راداری با تأکید بر بازتابندگی گوشه¬ای در ساختمان¬ها
چکیده
اطلاعات مکانی از عوارض و پدیده¬های طبیعی و مصنوعی به عنوان یکی از بنیادی¬ترین اطلاعات موردنیاز به منظور مدیریت هر چه بهتر مناطق شهری و روستایی موردتوجه ¬می¬باشد. شناسایی و استخراج این عوارض از تصاویر هوایی و ماهواره¬ای به عنوان یکی از اقتصادی¬ترین روش¬های تهیه این اطلاعات مطرح است. در این راستا تلاش گسترده¬ای درزمینه ی اتوماتیک سازی درروند تولید اطلاعات از این تصاویر صورت گرفته است. ساختمان ها ساختاری غالب در محیط شهری و روستایی می¬باشند و از اینرو تحقیقات بسیاری درزمینه اتوماسیون استخراج آن ها از منابع مختلف داده که تصاویر نوری، لیدار و رادار معمول ترین آن ها می باشد، صورت گرفته است. منابع داده های مختلف، مزایایی در موقعیت های مختلف فراهم می کنند. بااین وجود هریک دارای مشکلاتی از قبیل سایه، انسداد، ناهمگونی سقف ساختمان ها و شباهت های طیفی عوارض شهری هستند. وجود ویژگی های منحصربه فرد منابع داده مختلف، ایده ای برای به کارگیری مزایای هر منبع و بهبود نتایج به وسیله ترکیب آن ها ایجاد می کند. در این پایان نامه، به منظور بهبود و رفع نواقص و ضعف مجموعه داده¬های تک منبعی، باهدف شناسایی ساختمان¬ها، روشی بر مبنای تلفیق تصاویر نوری و راداری ارائه شده است. در تحقیق حاضر، باهدف شناسایی ساختمان از مناطق متراکم شهری از تصاویر بزرگ مقیاس ikonos و terrasar_x استفاده شده است. تحقیق پیشرو شامل سه مرحله اصلی می باشد. در مرحله اول، به استخراج ویژگی های مناسب از هر یک از تصاویر پرداخته شد. پس از انتخاب ویژگی های بهینه از هر منبع، سه مجموعه داده به صورت جداگانه توسط شبکه عصبی مورد ارزیابی قرارگرفته است. در مرحله دوم، ویژگی های بهینه استخراج شده از سه مجموعه داده، در ترکیب های مختلف در سطح ویژگی با یکدیگر تلفیق شده و نتایج مورد مقایسه قرار گرفتند. در تمامی بررسی ها، شبکه عصبی مصنوعی به عنوان طبقه¬بندی کننده اعمال شده و عملکرد آن در پوشش های مختلف سقف های ساختمان مورد ارزیابی قرارگرفته است. در مرحله سوم، به تلفیق در سطح تصمیم گیری با روش رأی گیری اکثریت اقدام شده است. پس از دستیابی به روش تلفیقی مناسب، برای بهبود نتایج و شناسایی دقیق¬تر ساختمان ها، از شاخص تفاضل نرمال شده گیاهی (ndvi)، عملگرهای مورفولوژی و فیلتر مساحت استفاده شد. نتایج حاصل نشان می دهد که روش بهینه تلفیق شناسایی ساختمان ها، حداقل 22% ضریب کاپا،11% دقت کلی و 7% دقت شناسایی ساختمان ها را نسبت به استفاده مجزا از منابع داده افزایش می دهد. همچنین استراتژی تلفیق پیشنهادی منجر به حداقل 5% بهتر شدن همگنی نتایج شناسایی شده در انواع مختلف پشت بام ها شده است. بنابراین نتایج حاصل از روش پیشنهادی با دقت کلی، ضریب کاپا، دقت شناسایی ساختمان و دقت شناسایی زمینه به ترتیب 92.66%، 80.31%، 88.68% و 93.91% مؤید توانایی این روش در شناسایی ساختمان داده های چند منبعی اپتیک و رادار می باشد.