مریم تیموری؛ مهدی مختارزاده؛ محمدجواد ولدان زوج
چکیده
در این مقاله، به‌منظور رفع برخی محدودیت‌های شناسایی ساختمان در تصاویر چندطیفی، از دادة SAR به‌منزلة دادة مکمل استفاده می‌شود. در روش پیشنهادی، برای استفادة هم‌زمان از اطلاعات مفید در تصاویر رادار و چندطیفی، استراتژی مبتنی‌بر تلفیق تصاویر، با هدف شناسایی ساختمان، مطرح می‌شود. همچنین، ازآن‌جاکه انتخاب ویژگی نقش بسزایی در شناسایی ...
بیشتر
در این مقاله، به‌منظور رفع برخی محدودیت‌های شناسایی ساختمان در تصاویر چندطیفی، از دادة SAR به‌منزلة دادة مکمل استفاده می‌شود. در روش پیشنهادی، برای استفادة هم‌زمان از اطلاعات مفید در تصاویر رادار و چندطیفی، استراتژی مبتنی‌بر تلفیق تصاویر، با هدف شناسایی ساختمان، مطرح می‌شود. همچنین، ازآن‌جاکه انتخاب ویژگی نقش بسزایی در شناسایی و طبقه‌بندی عوارض دارد، اغلب روش‌های مرسوم و رایج در این زمینه، مانند الگوریتم ژنتیک، نیازمند داده‌های آموزشی‌اند؛ اما دردسترس‌نبودن همیشگی این نوع داده‌های آموزشی یکی از دغدغه‌های مهم محققان به‌شمار می‌آید. پس در این تحقیق، دو روش انتخاب ویژگی فیلترمبنا بررسی می‌شود تا مشخص شود آیا روش‌های یادشده می‌توانند، در مواقع لازم (نبودِ دادة آموزشی)، جایگزین الگوریتم ژنتیک شوند؟ بنابراین، در پژوهش حاضر، ابتدا بردار ویژگی بهینه از تصویر چندطیفی و SAR، با سه روش MNF وPCA و ژنتیک، تعیین و هریک جداگانه وارد هر دو طبقه‌بندی‌کنندة شبکة عصبی و SVM می‌شود. سپس به‌منظور رفع مشکلاتی، همچون تشابه طیفی پشت‌بام‌ها با پوشش آسفالت خیابان‌ها، در تصاویر چندطیفی و بهبود نتایج، دو تصویر چندطیفی و SAR در سطح ویژگی تلفیق می‌شود. در نهایت و در مرحلة بعدی، بهترین تصاویر طبقه‌بندی‌شده با شبکة عصبی و SVM، در تمامی بررسی‌های صورت‌گرفته تا به این مرحله، وارد تلفیق در سطح تصمیم‌گیری می‌شوند. نحوة تلفیق در سطح تصمیم‌گیری بدین‌صورت است که اطلاعات همسایگی هر پیکسل در قالب پنجرة مکانی متحرک در ابعاد متفاوت، با هدف تصمیم‌گیری درمورد ماهیت هر پیکسل، استفاده می‌شود. بنابراین، نتایج حاصل‌شده در این تحقیق، با صحت کلی و دقت شناسایی ساختمان، به‌ترتیب 92.82% و 80.14% بیانگر عملکرد مناسب این روش است.
حمیدرضا رنجبر؛ حمید دهقانی؛ علیرضا آزموده اردلان؛ محمدرضا سراجیان
دوره 8، شماره 4 ، آذر 1395، ، صفحه 45-64
چکیده
سامر (Sumer) و همکاران (2008 و 2013) بر پایة به‌کارگیری الگوریتم انطباقی فازی-ژنتیک، رویکردی نوین در آشکارسازی ساختمان‌ها با استفاده از تصاویر ماهواره‌ای با قدرت تفکیک مکانی بالا مطرح کردند. روش پیشنهادی با کاهش مشکل همگرایی زودرس در الگوریتم ژنتیک، دقت آشکارسازی عوارض را بهبود چشمگیری بخشید. نبودِ کنترل‌های هندسی بر خروجی این الگوریتم ...
بیشتر
سامر (Sumer) و همکاران (2008 و 2013) بر پایة به‌کارگیری الگوریتم انطباقی فازی-ژنتیک، رویکردی نوین در آشکارسازی ساختمان‌ها با استفاده از تصاویر ماهواره‌ای با قدرت تفکیک مکانی بالا مطرح کردند. روش پیشنهادی با کاهش مشکل همگرایی زودرس در الگوریتم ژنتیک، دقت آشکارسازی عوارض را بهبود چشمگیری بخشید. نبودِ کنترل‌های هندسی بر خروجی این الگوریتم از محدودیت‌های رویکرد پیشنهادی به‌شمار آمده است. در این تحقیق، برای رفع این محدودیت، روش استخراج فازی ژنتیک که سامر و همکاران (2013) آن را توسعه دادند با کنترلگر هندسی پیشنهادی ادغام شد. در این الگوریتم، ابتدا نمونه‌های آموزشی و تست انتخاب می‌شوند، سپس اپراتورهای پایة پردازش تصویر روی ژن‌های کروموزوم‌ها قرار می‌گیرند. خروجی‌های موقتی حاصل از اعمال اپراتورهای پردازش تصویر بر باندهای تصویر ورودی به یک تصویر باینری با بیشترین میزان تمایز بین دو کلاس تبدیل می‌شوند. با محاسبة میزان مطابقت بین نمونة انتخابی و خروجی الگوریتم، مقادیر ارزش برای هریک از اعضای جامعه محاسبه می‌شود. در پایان چرخة هر نسل، رویکرد فازی در نظر گرفته‌شده در این تحقیقْ مقادیر احتمالی اصلاح‌شده برای عملیات لقاح و جهش را به‌منظور ممانعت از همگرایی نابهنگام در شروع نسل بعد تعیین می‌کند. این فرایند تا زمان دستیابی به تعداد مشخصی از تکرار ادامه می‌یابد. به‌منظور کنترل هندسی خروجی‌های الگوریتم پیشنهادی، یک الگوریتم ژنتیک تکمیلی ناحیه‌مبنا نیز توسعه داده شده است. با فرض مشابهت ساختمان‌های همجوار در یک منطقة شهری، الگوریتم تکمیلی سعی در بهینه‌یابی محدودة مساحتی در منطقة مورد مطالعه دارد. بدین‌ترتیب که نواحی با حدود خارج از محدودة مساحتی تعیین‌شده به‌منزلة عوارض کلاس «غیرساختمان» برچسب‌گذاری می‌شوند. این الگوریتم در دوازده ناحیة انتخابی با ساختمان‌های متراکم و پراکنده در منطقة ورزقان استان آذربایجان شرقی پیاده‌سازی شد. میزان کاپای محاسبه‌شده با به‌کارگیری رویکرد پیشنهادی بین 0.59 تا 0.91 است که، درمقایسه با تحقیقات مشابه، عملکرد بهتری از خود نشان می‌دهد. این الگوریتم در مناطق شهری و حومة شهری، به‌نسبت نواحی روستایی، نتایج بهتری داشت.
