چکیده
تصاویر هوایی ثبت‌شده توسط ماهواره‌ها و یا پهپاد‌ها، معمولا شامل نواحی مربوط به منابع طبیعی و نواحی حاوی سازه‌های ساخت بشر است. با تفکیک این نواحی از یکدیگر، قادر خواهیم بود اطلاعات مهمی نظیر آرایش ساختاری سطوح و شکل آنها را استخراج و نقشه‌های هواییِ برچسب‌دار ایجاد کنیم. دست‌یابی به چنین اطلاعاتی می‌تواند کاربرد‌های بسیار مفیدی در زمینه‌های نظامی، شهری و زیست محیطی داشته باشد. از آنجایی‌که پردازش حجم عظیمی از تصاویر به‌دست آمده از ماهواره‌ها و پهپاد‌ها بصورت دستی امکان‌پذیر نیست، لذا استفاده از روش‌های خودکارِ مبتنی بر هوش مصنوعی در این حوزه، بسیار مورد توجه قرار گرفته است. تاکنون پژوهش‌های متعددی در این‌باره انجام شده است که از اهم آنها می‌توان به شناسایی ساختمان‌ها، وسایل نقلیه، جاده‌ها و همچنین تشخیص ساختار پوشش گیاهی در تصاویر هوایی اشاره کرد. در این مقاله، قصد داریم با معرفی مجموعه‌ای از ویژگی‌های آماری مبتنی بر رنگ که به سادگی قابل استخراج از تصاویر هوایی هستند و با استفاده از یک مدل مبتنی بر یادگیری، راهکاری کارآمد برای تشخیص دقیق و سریع سازه‌های ساخت بشر و تفکیک آنها از منابع طبیعی ارایه دهیم. نتایج آزمایش‌های انجام گرفته بر روی بانک تصاویر ماساچوست که به‌صورت عمومی، قابل دسترس است، نشان دهنده دقت مناسب و سرعت عمل بالای راهکار پیشنهادی است. به‌طوری‌که، دقت و میانگین سرعت پردازش به‌دست آمده به‌ترتیب برابر با ٪۰۷/۹۰ و 96/0 ثانیه است.
واژگان کلیدی
تصویر هوایی، منابع طبیعی، سازه‌های ساخت بشر، یادگیری ماشین، ویژگی‌های آماری
https://gisj.sbu.ac.ir/article/view/32542
آموزش کاربردی GIS وRS
همراه با فیلم و کتاب
همراه با پروژه های کاربردی
مدرس:
دکتر سعید جوی زاده
تلفن ثبت نام:
09382252774
آدرس وب سایت:
تمام دوره ها – دوره های آموزشی GIS ، RS ، آمار فضایی ، برنامه نویسی و علمی پژوهشی