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.
عباس کیانی؛ محمودرضا صاحبی؛ حمید عبادی
دوره 5، شماره 4 ، اسفند 1392
چکیده
آشکارسازی لبه یکی از مفاهیم کاربردی در پردازش تصاویر سنجش ازدور است. هدف آشکارسازی لبه، نشان‌گذاری نقاطی از تصویر است که در آنها میزان روشنایی به‌شدت تغییر می‌کند. تغییرات شدید خصوصیات تصویر معمولاً نمایندة رویدادهای مهم و تغییر در خصوصیات محیط هستند و در کاربردهای مختلفی نظیر بخش‌بندی تصاویر ماهوارهای کاربرد دارند. بسیاری ...
بیشتر
آشکارسازی لبه یکی از مفاهیم کاربردی در پردازش تصاویر سنجش ازدور است. هدف آشکارسازی لبه، نشان‌گذاری نقاطی از تصویر است که در آنها میزان روشنایی به‌شدت تغییر می‌کند. تغییرات شدید خصوصیات تصویر معمولاً نمایندة رویدادهای مهم و تغییر در خصوصیات محیط هستند و در کاربردهای مختلفی نظیر بخش‌بندی تصاویر ماهوارهای کاربرد دارند. بسیاری از روش‌های کلاسیک تشخیص لبه بر مشتق پیکسل‌های تصویر اصلی متکی هستند، مانند اپراتورهای گرادیان، لاپلاسین و لاپلاسین از اپراتور گاوسی. در تصاویر سنجش از دوری به‌علت بالابودن میزان تغییرات، اپراتورهای کشف با ضعف در تشخیص صحیح محدودة عوارض و حفظ پیوستگی و انسجام محدودة آنها همراه‌اند. در پژوهش حاضر به‌منظور حل این مشکلات، سیستمی دانش‌پایه برای کشف لبه براساس خصوصیات تصاویر سنجش از دوری ارائه می‌شود. در این روش ابتدا به‌صورت منطقه‌ای و با استفاده از سیستم دانش‌پایه، حدود آستانة مناطق مختلف تصویر تعیین می‌شود و سپس با استفاده از شانون آنتروپی مرز بین این مناطق استخراج می‌شود. این کار موجب حفظ پیوستگی لبه‌های کشف‌شده خواهد شد. از مزایای این روش بررسی ویژگیهای تصویر به‌شکل جزئی و کلی به‌صورت همزمان است. این سیستم قابلیت انعطاف با نوع نیاز و خواست کاربر را برحسب میزان جزئیات و کاربرد مورد نظر دارد. در‌نهایت به‌منظور ارزیابی روش، نتایج به‌دست‌آمده با الگوریتم‌های استاندارد سوبل، پرویت و LoG مقایسه شدند و نشان داده شد که این روش به‌شکل کارآمدی قادر به شناسایی لبه‌های تصاویر مختلف است.
