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.
علی خدمت زاده؛ میرنجف موسوی؛ حجت محمدی ترکمانی
چکیده
رشد جمعیت شهرنشین با افزایش فضاهای شهری و بهطورکلی، با رشد اندازة شهرها همراه بوده است. این امر بهصورت ساختوساز بیشتر و تغییر اراضی موجود بهنفع فضاهای ساختهشده بروز مییابد. موقعیت خاص شهر ارومیه در مجاورت دریاچة ارومیه و شرایط نامساعد این دریاچه لزوم توجه به برنامهریزی صحیح کاربری اراضی را، در این شهر، ناگزیر میکند. ...
بیشتر
رشد جمعیت شهرنشین با افزایش فضاهای شهری و بهطورکلی، با رشد اندازة شهرها همراه بوده است. این امر بهصورت ساختوساز بیشتر و تغییر اراضی موجود بهنفع فضاهای ساختهشده بروز مییابد. موقعیت خاص شهر ارومیه در مجاورت دریاچة ارومیه و شرایط نامساعد این دریاچه لزوم توجه به برنامهریزی صحیح کاربری اراضی را، در این شهر، ناگزیر میکند. یکی از ابزارهای مورد نیاز برای برنامهریزی مناسب، در این زمینه، بهرهگیری از تکنیکهای سنجش از دور است. پژوهش حاضر با هدف ارزیابی این تغییرات (دورة 2015-1989) و پیشبینی روند آتی آن صورت گرفته است. از روشهای SVM و شبکة عصبی برای ارزیابی تغییرات در پنج کلاس استفاده شده است. ضریب تعیین (0.73) و منحنی راک (82.55%) نیز بیانگر دقت بالای مدل شبکة عصبی برای پیشبینی تغییرات گسترش شهریاند. با توجه به دقت بالای این مدل، که میتواند نتایج واقعیتری ارائه دهد، از نتایج این نوع طبقهبندی در پیشبینی تغییرات برای افق 2045 استفاده شده است. اراضی ساختهشده در سال 1989 برابر با 7469.1 هکتار بوده که در سال 2002 و 2015، بهترتیب، به 9217.3 و 9436.9 هکتار رسیده است. در سال 2045، براساس مدل پیشبینی شبکة عصبی، برابر با 22449.6 هکتار خواهد بود که 13012.7 هکتار افزایش را در اراضی ساختهشده نشان میدهد. نتایج حاصل گویای این است که تمامی این ساختوسازها برمبنای نیاز واقعی شهر نبوده و پدیدة اسپرال (گستردگی شهری) اتفاق افتاده است.