CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

توسعه روشی شیء گرا جهت تشخیص ساختمانها و برآورد میزان تخریب به روش شبکه عصبی مصنوعی توسط تصاویر VHR

عنوان مقاله: توسعه روشی شیء گرا جهت تشخیص ساختمانها و برآورد میزان تخریب به روش شبکه عصبی مصنوعی توسط تصاویر VHR
شناسه ملی مقاله: SEE07_050
منتشر شده در هفتمین کنفرانس بین المللی زلزله شناسی و مهندسی زلزله در سال 1394
مشخصات نویسندگان مقاله:

بابک منصوری - استادیار-مدیر گروه مدیریت شرایط اضطرار، پژوهشگاه بین المللی زلزله شناسی و مهندسی زلزله تهران، ایران
موناالسادات مصطفی زاده - دانشجوی کارشناسی ارشد، پژوهشگاه بین المللی زلزله شناسی و مهندسی زلزله، تهران، ایران

خلاصه مقاله:
زلزله یکی از مهمترین سوانحی است که سالیانه خسارات و تلفات فراوانی در سراسر دنیا به جا میگذارد. پس از وقوع زلزله، اطلاع دقیق از وضعیت منطقه و تعیین دقیق موقعیت ساختمان هاي تخریب شده و میزان تخریب آنها از مسائ ل مهم و حیاتی مدیریت بحران است. هدف این مقاله استخراج خودکار ساختمانها و تعیین میزان آسیب لرزه اي آنها توسط پردازش تصاویر ماهواره اي می باشد. به منظور پیاده سازي روش پیشنهادي، تصاویر ماهواره Quic kBird در قبل و بعد از زلزله بم سال 2003 استفاده گردید. پس از انجام عملیات پیش پردازش نظیر آماده سازي و تلفیق تصاویر، روش قطعه بندي شیء گرا با استفاده از سه پارامتر مقیاس، شکل و فشردگی تکمیل شد. با استفاده از الگوریتم نزدیکترین همسایه، عوارض شهري مورد طبقه بندي مدیریت شده قرار گرفتند . سپس با مقایسه نقشه پارسل هاي ساختمانی (بانک داده هاي مرجع) ارزیابی صحت نقشه استخراج ساختمان ها صورت گرفت. نتایج ماتریس خطا صحت کلی را برابر %95 گزارش داده است. همچنین با استفاده از تغییرات در شاخص هاي بافتی تصاویر ( آنالیز بافت ) بروي ساختمانها، در قبل و بعد از زلزله، نقشه خسارت در سه درجه آسیب دیدگی جزئی، خرابی زیاد و ویرانی کامل با استفاده از به کار گیري شبکه عصبی بدست آمده است. صحت کلی نقشه تهیه شده تخریب برابر %78,9 بدست آمده است.

کلمات کلیدی:
قطعه بندی، طبقه بندی شیء گرا، آنالیز بافت، تشخیص خسارت، شبکه عصبی مصنوعی

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1132252/