کاربرد و استفاده ازشبکه های عصبی مصنوعی برای استخراج ساختمان از تصاویر ماهوارهای با قدرت تفکیک بالا

استخراج اتوماتیک عارضه ساختمان از تصاویر ماهوارهای، یک مسأله تحقیقاتی باز در فتوگرامتری رقومی و سنجش از دور است. الگوریتمهای بسیاری برای استخراج ساختمانها ازتصاویر ماهوارهای ارائه شده اندکه غالبا معیارهای رادیومتریکی و هندسی، تشخیص لبه ها، شناسایی عوارض خطی، دانش ساختار هندسی و سایه را به عنوان معیارهای استخراج ساختمان در نظر گرفتهاند، اما هیچ یک از آنها نمیتوانند به طورمستقل مسئله را حل کنند. برای حل این مسأله پیچیده، تلفیق قابلیت های الگوریتم های مختلف و منابع داده موجود ضروری میباشد. در این مقاله چارچوب سیستمی برای افزایش درجه اتوماسیون در استخراج ساختمانها با بام های مختلف از تصاویر ماهوارهای چند طیفی با قدرت تفکیک بالا با در نظرگرفتن معیارهای هندسی، ساختاری و طیفی ارائه میشود. این تحقیق سیستمی را تشریح میکند که بخش تصمیم گیری آن، بر مبنای الگوریتم های شبکه های عصبی مصنوعی عمل میکند و بوسیله زبان برنامه نویسی C# توسعه یافته است. این سیستم تا حد ممکن به صورتی طراحی شده است که کاربران آن نیازی به اطلاع از نظریه شبکه های عصبی مصنوعی نداشته باشند. سیستم ارائه شده در دو فاز مختلف عمل مینماید، فاز اول یادگیری و فاز دوم کاربرد است. در فاز اول شبکه عصبی موجود در سیستم به کمک داده های ذخیره شده آزمایشی، آموزش میبیند و در فاز دوم، سیستم جهت تشخیص ساختمانها در تصاویر ماهوارهای مورد استفاده قرار میگیرد. تصویر ماهوارهای انتخاب شده برای آزمایش این سیستم، تصاویر PAN و multispectral سنجنده Ikonos منطقه شهری کاشان به مساحت 100km2 میباشد. سیستم مذکور، در این مقاله میتواند بیش از 84 درصد ساختمانهای موجود در تصویر مورد مطالعه را تشخیص دهد. این نتیجه امیدبخش کاربردی بودن سیستم ارائه شده در این مقاله را توجیه میکند.

Keywords:

استخراج عارضه , شبکه عصبی مصنوعی , شبکه پرسپترون سه لایه ای , پردازش تصاویر