سیدمجتبی شهابی - دانشجوی کارشناسی ارشد سنجش از دور، دانشکده ژئودزی و ژئوماتیک، دانشگاه
علی محمدزاده - دانشجوی دکتری سنجش از دور، دانشکده ژئودزی و ژئوماتیک، دانشگاه صنعتی خو
محمدجواد ولدان زوج - دانشیار سنجش از دور، دانشکده ژئودزی و ژئوماتیک، دانشگاه صنعتی خواجه نصیرطوس

از آنجایی که صنعت سنجش از دور به سمت اخذ تصاویر با قدرت تفکیک مکانی بالا پیش می رود، اهمیت استفاده از این تصاویر، برای تهیه نقشه های بزرگ مقیاس دوچندان شده است و تکنیک های پردازش تصاویر سنجش از دور، به عنوان یکی از مهمترین بخش های استخراج اطلاعات از این تصاویر محسوب میشود. یکی از تکنیک ها، استفاده از شبکه های عصبی مصنوعی، به عنوان سامانه هایی انعطاف پذیر با قابلیت پردازش های موازی است. مهمترین اطلاعاتی که می بایست برای تهیه نقشه از تصاویر اخذ شود، عوارض موجود و موقعیت مکانی انها درتصاویر می باشد. اما برای کاهش حجم اطلاعاتی نقشه ها، تنها داشتن مرز و لبه ی عوارض کافیست. بدین منظور، سعی شده با طراحی یک شبکه عصبی مصنوعی، عملکرد این سامانه در زمینه استخراج لبه ی عوارض مورد بررسی قرار گیرد. در این مقاله سعی شده در ابتدا شبکه عصبی بهینه ای طراحی شود که با صرف کمترین زمان آموزش دیده و نتیجه قابل قبولی را داشته باشد. در ادامه، مقایسه ای بین رفتار این شبکه عصبی و عملگری که این شبکه توسط آن آموزش دیده، بر روی تصاویر نوفه دار انجام شده است. با مقایسه نتایج، به وضوح می توان دریافت که شبکه عصبی طراحی شده ، نسبت به نویز حساسیت کمی از خود نشان داد ه است.