استخراج اتوماتیک شبکه راه براساس ادغام تصاویر ماهواره‌ای سنتینل1 و سنتینل2 با ویژگی‏های آنالیز بافت در فضای غیرشهری (مطالعه موردی: مسیر شاهرود- میامی)

نویسندگان

1 استادیار گروه سنجش از راه دور و فتوگرامتری، دانشکده مهندسی عمران، دانشگاه صنعتی شاهرود

2 دانشجوی کارشناسی ارشد مهندسی راه و ترابری، دانشکده مهندسی عمران، دانشگاه صنعتی شاهرود

3 استادیار گروه مهندسی راه و ترابری، دانشکده مهندسی عمران، دانشگاه صنعتی شاهرود

doi
10.22075/jtie.2021.23191.1531
چکیده

سنجش از دور در بسیاری از زمینه­های علمی و تحقیقاتی، از جمله در مهندسی راه و حمل و نقل، کاربرد­های گسترده­ای دارد که می­توان به مهم­ترین کاربرد آن یعنی استخراج شبکه راه­ و تهیه نقشه شماتیک آن‌ اشاره کرد. استخراج شبکه راه­ها از تصاویر ماهواره­ای نوعی فناوری مکمل برای دستیابی به اطلاعات به­شمار می­آید که تفسیر و آنالیز تصویر را ساده­تر کرده و باعث ارتقای کیفیت می­شود. هدف اساسی این پژوهش، استخراج اتوماتیک شبکه راه در مسیر شاهرود- میامی بوده که نقشه شبکه راه حاصله به عنوان ورودی سیستم مدیریت روسازی (PMS) مورد استفاده قرار گیرد. روش پیشنهادی در این مطالعه مبتنی بر تکنیک ادغام و تلفیق تصاویر ماهواره­های سنتینل1 و سنتینل2 با روش حداکثر رأی­گیری به منظور استفاده بیشینه از اطلاعات طیفی و مکانی چند تصویر (افزایش جزئیات) به جای تک­تصویر، با استفاده از ویژگی­های بافت، می­باشد. در ادامه، برای انجام طبقه­بندی نظارت شده، از دو طبقه­بند غیرپارامتریک شبکه عصبی مصنوعی (ANN) و ماشین بردار پشتیبان (SVM) و یک طبقه­بند پارامتریک حداکثر احتمال شباهت (ML) در دو کلاس کلی راه و غیرراه استفاده شد. نمونه­های آزمایشی به صورت تصادفی و همگن و نمونه­هایی از تصاویر و نقشه­های موجود منطقه برای ارزیابی دقت طبقه­بندی استفاده شدند. نتایج نشان داد که ادغام و تلفیق نتایج طبقه­بندی­ها با روش حداکثر رأی­گیری موجب بهبود دقت حدود 4% برای ماهواره سنتینل1 و حدود 6% برای ماهواره سنتینل2 در شناسایی مسیر و شبکه راه­ها شده است. همچنین، ضریب کاپا در روش حداکثر رأی­گیری نسبت به ANN (بهترین عملکرد مؤثر طبقه­بندی­ها) برای ماهواره سنتینل1 حدود 11/0 و برای ماهواره سنتینل2 حدود 06/0 رشد داشته است.