فاطمه احمدی؛ یاسر ابراهیمیان قاجاری؛ عباس کیانی
چکیده
سنجشازدور یک منبع داده قدرتمند برای نقشهبرداری از مناطق شهری و نظارت بر پویایی شهرنشینی است. از بین دادههای سنجشازدوری، تصاویری که در شب اخذ میشوند راهی مؤثر برای نظارت بر فعالیتهای انسانی در مقیاس جهانی فراهم کرده است؛ زیرا این تصاویر با توجه به ویژگیها و قابلیتهایی که دارند میتوانند مناطق شهری و سایر فعالیتهای ...
بیشتر
سنجشازدور یک منبع داده قدرتمند برای نقشهبرداری از مناطق شهری و نظارت بر پویایی شهرنشینی است. از بین دادههای سنجشازدوری، تصاویری که در شب اخذ میشوند راهی مؤثر برای نظارت بر فعالیتهای انسانی در مقیاس جهانی فراهم کرده است؛ زیرا این تصاویر با توجه به ویژگیها و قابلیتهایی که دارند میتوانند مناطق شهری و سایر فعالیتهای انسانی، که ویژگی اصلی آنها استفاده از نور در شب میباشد را با اندازهگیری صحیح مکانی، از پسزمینهی بدون نور جدا نمایند. این تصاویر با یک نظارت مستمر و مداوم از منظره شبانه جهانی، منبع و نتایج ارزشمندی از فعالیتهای انسانی از گذشته تا امروز فراهم میکند و تجزیهوتحلیل سری زمانی این دادهها برای کشف، تخمین و نظارت بر پویایی اجتماعی و اقتصادی در کشورها، بهویژه مناطق فرعی که در آن آمار رسمی قابلاعتماد وجود ندارد، بسیار ارزشمند است. با پیشرفت سنجندههای ماهوارهای نور شب در سالهای اخیر و تحقیقات جدید انجامشده در زمینهی دادههای نور شب، هدف از این تحقیق، بررسی پیشرفتهای موجود در سنجنده شبانه، معرفی انواع دادهها و محصولات موجود، بررسی و بیان مزایا و معایب هر کدام و همچنین مروری بر روشها و راهحلهای ارائهشده در تحقیقات پیشین انجامشده جهت حل مشکلات و محدودیتهای موجود در این تصاویر انجامشده است. ازاینرو با توجه به بررسیهای انجامشده از 225 مقاله مورد بررسی از مجلههای معتبر مختلف در زمینهی تصاویر نور شب، نتایج بدین گونه بدست آمد که 65 درصد از مقالات موجود، از دادههای نور شب در زمینهی شهری (59 درصد شهری مربوط به استخراج و بررسی دینامیک شهری و 6 درصد آن در زمینهی بررسی جمعیت) و 35 درصد در زمینهی غیرشهری (17 درصد در زمینهی مصرف انرژی،13 درصد در زمینهی مسائل اقتصادی و 5 درصد مربوط به باقی مسائل مانند آلودگی) استفاده کردهاند. از سوی دیگر در مقالاتی که سعی داشتهاند در زمینهی تصحیح تصاویر نور شب، روشهایی را ارائه دهند میتوان گفت در تصحیح داده DMSP-OLS 44 درصد از مقالات با هدف بررسیهای شهری، 14 درصد با اهداف اقتصادی، 38 درصد باهدف کلی تصحیح و 4 درصد با اهداف دیگر نگارش یافتهاند، همچنین در تصحیح داده(VIIRS) Visible and Infrared Imaging Radiometer Suite 57 درصد با اهداف اقتصادی، 36 درصد با هدف بررسی شهری و 7 درصد با اهداف دیگر ارائه شده است. درنهایت نتایج و یافتههای این تحقیق میتواند یک دید کلی به محققان در جهت آشنایی و درک روندهای مطالعاتی مختلف در زمینهی استفاده از داده نور شب ارائه دهد؛ همچنین میتواند کمک کند تا محققان با توجه به هدف و زمینه مطالعاتی موردنظرشان، داده و الگوریتم مناسب را انتخاب کنند.
زهره رودسرابی؛ علی سام خانیانی؛ عباس کیانی
چکیده
مطالعات متعددی که طی چندین دهة اخیر درمورد پدیدة آتشسوزی انجام شده، مجموعة گستردهای از دادههای ورودی و روشهای اجرا و ارزیابی را فراهم کرده است. بااینحال این مجموعة گستردة نتایج و تحقیقات، بهصورت ساختاریافته، بهمنظور ارائة نقشة راه به کاربران جدید این حوزه و راهنمایی در زمینة کاربردها و شرایط گوناگونی فراهم آمده است که ...
بیشتر
مطالعات متعددی که طی چندین دهة اخیر درمورد پدیدة آتشسوزی انجام شده، مجموعة گستردهای از دادههای ورودی و روشهای اجرا و ارزیابی را فراهم کرده است. بااینحال این مجموعة گستردة نتایج و تحقیقات، بهصورت ساختاریافته، بهمنظور ارائة نقشة راه به کاربران جدید این حوزه و راهنمایی در زمینة کاربردها و شرایط گوناگونی فراهم آمده است که تا کنون تحلیل نشدهاند. بهعبارتی دیگر، خلأ تحقیقی منسجم درمورد عملکرد نسبی فرایندهای گوناگون سنجش از دور در این حوزه، بهمنظور تولید اطلاعات متفاوت و مرتبط با کاربریها، احساس میشود. برای رفع این خلأ، در این تحقیق، تحلیلی نسبتاً جامع از مطالعات انجامشده دربارة آتشسوزی در نشریات سنجش از دور صورت پذیرفته است. چند عامل کلی مورد ارزیابی در مطالعات پیش، حین و پس از آتشسوزی، تغییر در دادههای ورودی، بررسی الگوریتمها و توسعة آنها بودند زیرا تحلیلگران میتوانند این عوامل را کنترل کنند تا دقت نهایی تحلیلها و نتایج حاصل را بهبود بخشند. یکی از مسائل مهم در موضوع آتشسوزی، پس از شناسایی و کشف آتش، با توجه به تغییرات دائمی ایجادشده در ساختار و ترکیب پوشش گیاهی، بررسی نحوة بازیابی پوشش گیاهی و میزان رشد آن طی سالیان پس از آتشسوزی است. براساس بررسی انجامشده دربارة مطالعات آتشسوزی در کشور، حدود 48% از این پژوهشها به شناسایی و گسترش آتشسوزی و حدود 52% دیگر به احیا و بازیابی پرداختهاند. در بررسی تحقیقات دربارة مطالعات شناسایی، مشخص شد که تقریباً 5% از آنها با استفاده از روشهای یادگیری و 43% دیگر با روشهای سنتی انجام شدند. درعینحال از سهم مرتبط با مطالعات احیا نیز، تقریباً 21% به بررسی پوشش گیاهی و 31% به بررسی خاک زیر سطح آتش پرداختند. یافتههای این تحقیق میتواند به محققان، برای تصمیمگیری در انتخاب دادهها و الگوریتمهای مورد استفاده، با توجه به هدف مطالعه، در شاخههای گوناگون مطالعات مرتبط با آتشسوزی کمک مؤثری برساند. بااینحال تحلیلگران میتوانند، علاوهبر این دستورالعملهای کلی، ترجیحات شخصی یا مزایای الگوریتم ویژهای را که ممکن است به برنامهای خاص مربوط باشد، در نظر بگیرند.
مینا حمیدی؛ حمید عبادی؛ عباس کیانی
چکیده
با بهبود حد تفکیک مکانی تصاویر سنجش از دور، اطلاعات دقیقتری از صحنة تصویر همچون ساختارهای بافت، فراهم شده است. این منابع داده، بهدلیل جزئیات بسیار، دارای واریانس درونکلاسی زیاد و واریانس بینکلاسی اندکاند؛ ازاینرو استخراج اطلاعات پوشش زمین از آنها به فرایندی چالشبرانگیز تبدیل شده است. در این تصاویر، تفسیر بصری زمانبر ...
بیشتر
با بهبود حد تفکیک مکانی تصاویر سنجش از دور، اطلاعات دقیقتری از صحنة تصویر همچون ساختارهای بافت، فراهم شده است. این منابع داده، بهدلیل جزئیات بسیار، دارای واریانس درونکلاسی زیاد و واریانس بینکلاسی اندکاند؛ ازاینرو استخراج اطلاعات پوشش زمین از آنها به فرایندی چالشبرانگیز تبدیل شده است. در این تصاویر، تفسیر بصری زمانبر و پرهزینه است و تفسیر اتوماتیک آنها لزوماً به دقت بالا منجر نمیشود و رسیدن به دقت تفسیر مطلوب نیازمند طراحی الگوریتمهای اتوماتیک است؛ بهصورتیکه توانایی مقابله با مشکلات ناشی از پیچیدگی صحنة تصویر را داشته باشند. برای غلبه بر این مشکل، روش آنالیز عارضهمبنای تصویر که به مورفولوژی صحنة تصویر حساس است، بهویژه در مطالعهای شهری که تراکم ساختارهای شکلگرفته بهدست انسان بالاست، ممکن است کارآمد باشد. در طبقهبندی عارضهمبنا، پیکسلهای بیانگر یک عارضه در ترکیب با یکدیگر، تجزیه و تحلیل میشوند؛ در نتیجه، فضای مسئله بهنسبت طبقهبندی پیکسلمبنا کاهش مییابد و مزیت این امر افزایش سرعت محاسبات است. درعینحال بهدلیل اندازة متنوع اشیای تصویری، طبقهبندی نظارتشدة عارضهمبنا در ایجاد مجموعة آموزشی بهینه با چالشهایی مواجه است. در تحقیق حاضر، بهمنظور طبقهبندی عارضهمبنا، از الگوریتم آدابوست استفاده شده است. برای غلبه بر مشکل فقدان تناسب فضای ویژگی ناشی از تعداد اندک نمونههای آموزشی و توزیع نامتناسب آنها در مقایسه با ابعاد بالای فضای ویژگی (شامل ویژگیهای طیفی، مکانی و هندسی)، دو راهبرد دنبال شده است. در یک رویکرد برای تولید مجموعة آموزشی بهینه، مکانیسم یادگیری فعال با الگوریتم آدابوست ادغام شده و در رویکردی دیگر بهمنظور کاهش ابعاد فضای ویژگی، براساس همبستگی بین ویژگیها (افزونگی) و همبستگی بین ویژگیها و کلاسها (مطابقت)، زیرمجموعة ویژگی منتخب استخراج شده است. روش پیشنهادی روی مجموعه دادة استاندارد وهینگن کشور آلمان اجرا و نتایج حاصل از آن با طبقهبندی پیکسلمبنا مقایسه شده است. بهمنظور بررسی معنیداری اختلافهای حاصلشده در نتایج ارزیابیها نیز، آزمون آماری مکنمار بهکار رفته است. نتایج تجربی نشان دادند که رویکرد عارضهمبنای پیشنهادی، در قیاس با رویکرد پیکسلمبنا، بهطور متوسط 6% دقت کلی و 7% ضریب کاپا را بهبود داده است. همچنین سرعت محاسبات در روش آدابوست عارضهمبنای پیشنهادی، در مقایسه با رویکرد پیکسلمبنا افزایش چشمگیری یافته است. این نتایج بیانگر عملکرد بهینة رویکرد پیشنهادی، هم از نظر دقت و هم از نظر سرعت محاسبات است.
نیما فرهادی؛ عباس کیانی؛ حمید عبادی
چکیده
شناسایی عوارض موجود در تصاویر، یکی از مسائل اساسی در حوضه تفسیر تصاویر بهویژه در تصاویر سنجشازدوری، به شمار میآید. یکی از روشهای کارآمد و بهروز در این زمینه، بهکارگیری شیوههای یادگیری عمیق، جهت استخراج و تفسیر است. یک عارضه، مجموعهای از الگوهای منحصربهفرد است که با عوارض مجاور خود متفاوت است، این تفاوت معمولاً در ...
بیشتر
شناسایی عوارض موجود در تصاویر، یکی از مسائل اساسی در حوضه تفسیر تصاویر بهویژه در تصاویر سنجشازدوری، به شمار میآید. یکی از روشهای کارآمد و بهروز در این زمینه، بهکارگیری شیوههای یادگیری عمیق، جهت استخراج و تفسیر است. یک عارضه، مجموعهای از الگوهای منحصربهفرد است که با عوارض مجاور خود متفاوت است، این تفاوت معمولاً در یک یا چند ویژگی بهطور همزمان اتفاق میافتد که میتوان بهتفاوت در شکل، رنگ و درجه خاکستری اشاره نمود. در این راستا، روش یادگیری عمیق با توانایی تحلیل مفاهیم انتزاعی سطح بالا، میتواند انتخاب مناسبی در این زمینه باشد. در روش پیشنهادی، ابتدا یک پایگاهداده مطابق با شرایط محیطی و جغرافیایی کشور از برخی از فرودگاههای ایران تشکیلشد. سپس با استفاده از شبکههای عصبی کانولوشنی به تولید مدل یادگیرنده بهینه اقدام شد. برای این کار، در قسمت پردازش دادههای خام در کنار استفاده از روش انتقال آموزشی، بردارهایی جهت دستهبندی عوارض موردنظر استخراج و به یک مدل ماشینبردار پشتیبان طبقهبندیکننده، تحویل داده میشوند. در ادامه، مقادیر خروجی با مقادیر بهدستآمده از تصویر آزمایشی برای هر عارضه، مقایسه و در یک روند تکرارشونده تحلیل و جهت تطابق ساختاری بررسی میشوند. نتایج استخراجشده از اعمال مدل پیشنهادی بر روی چند سری داده آزمایشی، ارزیابی و با روشهای مشابه مقایسه شد که درنهایت با مقادیر 21/98 درصد برای معیار Precision و 1/99 درصد برای معیار F1-Measure، قادر به شناسایی عوارض هدف است
عباس کیانی؛ حمید عبادی؛ حکمت الله خانلو
دوره 10، شماره 4 ، اردیبهشت 1397، ، صفحه 27-54
چکیده
طبقهبندی پوشش اراضی در تصاویر سنجشازدور، یکی از پرکاربردترین روشهای استخراج اطلاعات مکانی است که میتواند با تولید کلاسهای تصویری عوارض سطح زمین بهمنظور اتوماسیون و تسریع در جهت رفع نیازهای اساسی برای در اختیار داشتن اطلاعات مکانی بهنگام از منابع، با هدف مدیریت، ساماندهی و بهرهبرداری از محیط مفید واقع شود. به دلیل مشابهت ...
بیشتر
طبقهبندی پوشش اراضی در تصاویر سنجشازدور، یکی از پرکاربردترین روشهای استخراج اطلاعات مکانی است که میتواند با تولید کلاسهای تصویری عوارض سطح زمین بهمنظور اتوماسیون و تسریع در جهت رفع نیازهای اساسی برای در اختیار داشتن اطلاعات مکانی بهنگام از منابع، با هدف مدیریت، ساماندهی و بهرهبرداری از محیط مفید واقع شود. به دلیل مشابهت رفتار پیکسلها، طبقهبندی تصاویر هوایی در مناطق پیچیده و متراکم شهری، صرفاً با استفاده از اطلاعات طیفی و بافتی منجر به ناکارآمدی طبقهبندی میشود. به عبارتی در طبقهبندی رایج، عمدتا با استفاده از خصوصیات طیف و ویژگیهای پیکسلهای تصویر، به شناسایی عوارض و کلاسها پرداخته میشود. درصورتیکه بتوان تطابق مکانی و مفهومی پیکسلها را نیز در نظر گرفت، به این ترتیب میتوان تمایز بیشتری بین کلاسهای تصویری قائل شد و فرآیند ماشینی را به تفسیر ذهنی و انسانی نزدیک کرده و بر کارایی سیستم افزود. تمرکز اصلی تحقیق حاضر، استفاده از مفاهیم سیستمهای خبره در طبقهبندی، بهمنظور آنالیز شئگرای تصاویر در سطوح مقیاس کلاسی است. به همین دلیل، با وارد نمودن قوانین دانشپایه بهمنظور کنترل هدفمند و قانونمندسازی روند توأمان قطعهبندی و تفسیر تصویر، با در نظر گرفتن ویژگیهای هندسی کلاسهای هدف، بهبود دقت را منجر شود. برای بررسی کارایی تکنیک پیشنهادی، ارزیابی و مقایسه روش پیشنهادی با چند روش دیگر بر روی تصاویر ماهوارهای IRS در منطقه شهری جزیره کیش صورت پذیرفته است. نتایج حاصل از این تحقیق، نشان میدهد ویژگیهای هندسی و مفهومی میتوانند بهعنوان منبع اطلاعاتی مکمل، سبب بهبود نتایج طبقهبندی در منطقه شهری با عوارض ناهمگون طیفی شوند. بهطوریکه در بررسی مورد اشاره، صحت کلی و ضریب کاپا به ترتیب 8 درصد و 11/5 درصد افزایش پیدا کردهاند.