آشکارسازی ساختمان‌های با پوشش خاص در محیط شهری با استفاده از فناوری سنجش از دور فراطیفی

نویسندگان

1 گروه مهندسی عمران، دانشکده مهندسی، دانشگاه بیرجند، بیرجند، ایران

2 گروه مهندسی نقشه‌برداری، دانشکده مهندسی، دانشگاه زابل، زابل، ایران

doi
10.22061/jrsgr.2024.11226.1082
چکیده

پیشینه و اهداف: یکی از آنالیزهایی که بر روی تصاویر فراطیفی انجام می­شود، آشکارسازی هدف است. معمولترین روش جهت آشکارسازی هدف در تصاویر ماهواره­ای، آشکارسازی مبتنی بر پیکسل بوده که در آن هر پیکسل فقط با اطلاعات طیفی خود و بدون در نظر گرفتن پیکسلهای همسایگی به کلاس مشخص اختصاص می­یابد. با پیشرفت­های اخیر و ایجاد تصاویری باقدرت تفکیک مکانی بالا، لزوم استفاده توأم از اطلاعات طیفی و مکانی را در آشکارسازی تصاویر فراطیفی ایجاب می­کند. در این پژوهش به آشکار­سازی بام‌های دارای پوشش خاص به‌عنوان هدف، در یک محیط شهری از طریق یک سری تصویر فراطیفی پرداخته می­شود. از آنجائی که یک محیط شهری دارای ویژگی­های پیچیده‌ای از نظر فیزیکی، هندسی و عناصر به کار گرفته شده در ساختمان‌هاست، داده­های فراطیفی کمک مؤثری به شناسایی، استخراج و تولید نقشه از عناصر سازنده یک محیط شهری می­کنند. شناسایی جنس بام ساختمان‌ها در محیط­های شهری، اهمیت زیادی در کاربردهای گوناگون، چون ارتباطات تلفن­های همراه، واقعیت مجازی، معماری و مدلسازی شهری، برنامه­ریزی و مدیریت شهرها دارد.روش‌ها‌: در این تحقیق استراتژی اطلاعات مکانی در کنار اطلاعات طیفی جهت بهبود آشکارسازی هدف در آنالیز تصاویر فراطیفی مورد بررسی قرار می­گیرد. برای این منظور از الگوریتم طیفی-مکانی جنگل پوشای مینیمم مبتنی بر نشانه که در فرآیند طبقه­بندی تصاویر استفاده شده است، جهت آشکارسازی بام ساختمان­های با پوشش خاص استفاده می­گردد. در روش پیشنهادی نشانه­ها از روی نقشه طبقه­بندی ماشین بردار پشتیبان انتخاب شدند. برای این منظور آنالیز برچسب­گذاری مولفه­های متصل بر اساس 8 پیکسل همسایگی انجام گرفت. بعد از ایجاد درخت پوشای مینیمم و حذف یال­های مربوط به رأس اضافه شده در مرحله آخر، جنگل پوشای مینیمم حاصل می­شود. در الگوریتم جنگل پوشای مینیمم هر درخت روی یکی از رئوس تصویر رشد می­نماید و با اختصاص دادن کلاس هر نشانه به همه پیکسل‌های رشد یافته از آن، نقشه آشکارسازی طیفی-مکانی حاصل می­گردد.یافته‌ها: تکنیک‌های فوق بر روی یک سری از داده­های تصویری سنجنده CASI که از منطقه شهری تولوز واقع در جنوب فرانسه برداشت شده است، اعمال شدند. نتایج ارزیابی­های کمی و کیفی نشان می­دهد که روش پیشنهادی مقدار ضریب کاپا را به میزان 38 درصد در مقایسه با الگوریتم آشکارسازی اندازه­گیری زاویه طیفی بهبود داده است. این موضوع اهمیت به کارگیری اطلاعات مکانی در فرآیند آشکارسازی را نشان می­دهد، درحالی‌که الگوریتم­ اندازه­گیری زاویه طیفی جهت آشکارسازی فقط نیاز به اطلاعات طیفی هدف موردنظر دارد.نتیجه‌گیری: همزمان با رشد شهرنشینی و توسعه مناطق شهری نیاز مدیران و برنامه­ریزان به نقشه­های بسیار دقیق از مناطق شهری به طور چشمگیری افزایش یافته است. استفاده از اطلاعات مکانی به خصوص در مورد تصاویر اخذ شده از مناطق شهری که در آن­ها چندین پیکسل مجاور به یک کلاس یا عارضه یکسان تعلق دارند، می­تواند باعث بهبود دقت در آشکارسازی شود. در نظر است در تحقیقات آتی از میزان خطای موجود در آشکارسازی طیفی-مکانی هدف کاسته شود. شرایط ایجاد پیکسل‌های مختلط مانند هم­پوشانی پدیده­های زمینی و ناهمگن بودن اکثر پدیده­ها، و درنتیجه افزایش واریانس داخلی هدف موجب افزایش خطای آشکارسازی در تصاویر فراطیفی می‌شود. ازاین‌رو سعی بر این است که بتوان با استفاده از روش‌های مختلف خطاهای فوق را کم نمود.