فهرست نشریات علمی دسترسی آزاد ایران

استفاده از روش های یادگیری عمیق جهت استخراج عوارض از تصاویر یک روش مرسوم در تهیه نقشه های پوشش زمین می باشد زیرا قابلیت تحلیل مفاهیم انتزاعی سطح بالا بوسیله آن فراهم می گردد. با این اقدام علاوه بر به حداقل رساندن نقش انسان در تولید اطلاعات، باعث کاهش زمان و هزینه می گردد. این تحقیق به بررسی استفاده مشترک از باندهای نوری (RGB) و مدل رقومی سطح (nDSM) برای تجزیه و تحلیل یک صحنه شهری می پردازد تا توسط آنها عوارض مهم شهری شامل ساختمان، فضای سبز، زمین بایر و راه از تصویر را استخراج نماید. از بین معماری های متنوع یادگیری عمیق، مدل UNet با توجه به ارائه نتایج با دقت بالاتر، به عنوان مدل اصلی تحقیق برگزیده شد. همچنین از مدل VGG-16 برای بهره گیری از تکنیک یادگیری انتقالی، به عنوان پیش شبکه استفاده شد. آموزش این شبکه یکبار با سه باند تصاویر هوایی (RGB) و در حالت دیگر با تلفیق باندهای تصاویر با مدل رقومی سطح (RGB+nDSM) صورت گرفت تا نتایج بدست آمده مورد مقایسه قرار گیرند و بهترین روش برای استخراج عوارض شهری معرفی گردد. نتایج نشان دادند که مدل VGG-16+UNet، استخراج کلاس ها را در حضور مدل رقومی سطح با صحت کلی بالاتری (14/88 %) نسبت به اجرای مدل با باندهای تصویر هوایی (34/76 %) انجام داده است. همچنین با توجه به این نتایج مشخص گردید که الگوریتم مورد استفاده این پژوهش و معماری آن می تواند در تهیه نقشه های شهری و کشف تغییرات موثر واقع شود.