استخراج اتوماتیک عوارض شهری از تصاویر با قدرت تفکیک بالای مکانی با استفاده از شبکه‌های عصبی پیچشی (منطقه مورد مطالعه: شهر اهواز) | ||
| زمین شناسی کاربردی پیشرفته | ||
| مقاله 2، دوره 13، شماره 2، تابستان 1402، صفحه 408-422 اصل مقاله (1.96 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22055/aag.2023.42422.2330 | ||
| نویسندگان | ||
| مصطفی کابلی زاده* 1؛ کاظم رنگزن1؛ عظیم صابری1؛ مجید ابره دری2 | ||
| 1گروه سنجش از دور و GIS، دانشکده علوم زمین، دانشگاه شهید چمران اهواز | ||
| 2گروه علوم مهندسی، بخش ریاضیات، مهندسی کامپیوتر و نقشه برداری. شوبرگ، لارس | ||
| چکیده | ||
| استخراج و بازسازی اتوماتیک عوارض از داده‌های هوایی و ماهواره‌ای می‌تواند نقش انسان را در تولید اطلاعات مکانی بزرگ مقیاس شهری به حداقل رسانده و هزینه و زمان تولید آنها را به شدت کاهش دهد. شناسایی اشیاء هدف از تصاویر هوایی و ماهواره‌ای به خصوص در مناطق شهری با استفاده از تکنیک‌های پردازش تصاویر کامپیوتری و الگوریتم‌های هوش مصنوعی یکی از پرکاربردترین حوزه‌های تحقیقاتی به شمار می‌رود. از انواع این الگوریتم‌ها، شبکه‌های عصبی پیچشی (Convolution Neural Networks) هستند که از توان بالایی برای استخراج ویژگی‌های سطح بالا در انواع تصاویر برخوردارند. در این پژوهش بیش از 850 نمونه آموزشی از عوارض ساختاری مهم شهری شامل ساختمان، راه و تک درخت تهیه شده است. در این تحقیق از میان انواع مختلف شبکه‌های موجود، با توجه به سرعت بالاتر انجام پردازش، از شبکه عصبی کانولوشون بر مبنای آشکاساز چندباکس تک شات با پایه شبکه ResNet به منظور کشف و استخراج خودکار محدوده این عوارض استفاده شده است. مدل پیشنهادی توسط نمونه‌های آموزشی بر مبنای 85 درصد داده آموزشی و 15 درصد داده اعتبارسنجی، با 120 دوره تکرار و دقت 93 درصد آموزش داده شده است. مدل آموزش دیده بر روی تصاویر مختلف از منطقه مورد مطالعه برای کشف عوارض هدف اجرا شده است. نتایج ارزیابی مدل بر اساس معیار دقت برابر 86/0 و معیار بازیابی برابر 82/0 و معیار F1Score برابر 83/0 می‌باشد. نتایج نشان‌دهنده آنست که الگوریتم پیشنهادی می‌تواند در زمینه‌هایی چون تولید و بروزرسانی نقشه‌های بزرگ مقیاس شهری و همچنین کشف تغییرات در مناطق شهری مورد استفاده قرار گیرد. | ||
| کلیدواژه‌ها | ||
| شبکه عصبی کانولوشن؛ آشکاساز چندباکس تک شات؛ عوارض شهری؛ ResNet؛ تصاویر پهپاد | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 469 تعداد دریافت فایل اصل مقاله: 530 |
||