استخراج اتوماتیک مرز اراضی در مناطق غیر شهری از تصاویر رقومی با استفاده از الگوریتم منحنی فعال
Publish place: دومین کنگره بین المللی علوم زمین و توسعه شهری
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 697
This Paper With 19 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ESUD02_658
تاریخ نمایه سازی: 22 آبان 1395
Abstract:
علوم فتوگرامتری و سنجش از دور با پیشرفت هایی که در سالهای اخیر در زمینه شناسایی و استخراج عوارض داشته اند نقش بزرگی در زمینه تولید داده های مککانی و نیز تامین و بروز رسانی پایگاه داده مکانی دارند تحقیق حاضر با موضوع استخراج اتوماتیک مرز اراضی در مناطق غیر شهری از تصاویر رقومی با استفاده از الگوریتم منحنی فعال،گامی در جهت تولید نقشه از مرز مزارع می باشد ارزش تولید چنین نقشه هایی به منظور هدایت برنامه هایی کشاورزی دقیق و مسائل مربوط به تخمین خسارتهای ناشی از خشکسالی سرمازدگی، آفت و غیره است با توجه به کمبود داده های مکانی دقیق در مورد مساحت و موقیت زمینهای کشاورز یدر کشور، هدف اساسی در این تحقیق توسع مدلی ناحیه مبنا از مدلهای منجنی فعال غیر پارامتریک برای استخراج مرز اراضی می بادش بدین منظور با بررسی دو مدل معروف ازمدلهای غیر پارامتریک منحنی فعال: مدل Local Binary Fitting, Multi Phase و مدل Local Binary Fitting با قابلیت لازم برای استخراج مرز اراضی تشخیص داده شد. بهبود روند تشخیص مرز اراضی توسط این مدل با افزودن دو لایه بافت ب تصویر ورودی و توسعه تابع انرژی خارجی انجام شده است با توجه به این نکته که اکثر زمینهای کشاورزی چسبیده به هم میب اشند برای تشخیص چندین ناحیه در یک تصویر مدل lbf به صورت چند فازی توسعه داده شده تا موفقیت بیشتری در شناسایی ناحیه ها داشته باشد. ارزیابی مرزهای استخراج شده ارز روش پیشنهغدی برای شاخصهای دقت کلی، صحت کاربر، صحت فراورد و ضریب کاپا به ترتیب 89.53% 65.93% 86.13% 86.52% است.
Keywords:
Authors
لیلا مقصودی
کارشناسی ارشد فتوگرامتری
حمید عبادی
دانشیار گروه فتوگرامتری وسنجش از دور ، دانشکده مهندسی ژئودزی و ژئوماتیک دانشگاه صنعتی خواجه نصیرالدین طوسی
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :