بهنام قاسم زاده قورمیک؛ علیرضا صفدری نژاد
چکیده
جابجایی اندک پدید‌ه‌ها در محیط مصداقی از تغییرات سه‌بعدی تلقی شده که احتمالاً شباهت رادیومتریکی عوارض متناظر را بر هم نمی‌زند. جابجایی اندک عوارض در صحنه، فرونشست یا برآمدگی سطح زمین، اثرات مربوط به اعمال فشار و کشش محلی به مواد در صنعت و مواردی از این دست را می‌توان در زمره تغییرات هندسی قلمداد کرد که نمود رادیومتریکی محسوسی در ...
بیشتر
جابجایی اندک پدید‌ه‌ها در محیط مصداقی از تغییرات سه‌بعدی تلقی شده که احتمالاً شباهت رادیومتریکی عوارض متناظر را بر هم نمی‌زند. جابجایی اندک عوارض در صحنه، فرونشست یا برآمدگی سطح زمین، اثرات مربوط به اعمال فشار و کشش محلی به مواد در صنعت و مواردی از این دست را می‌توان در زمره تغییرات هندسی قلمداد کرد که نمود رادیومتریکی محسوسی در تصاویر ندارند.در چنین شرایطی، شناسایی خودکار نقاط متناظر در تصاویر اخذ شده قبل و بعد از تغییرات هندسی، منجر به تشخیص نقاط تغییریافته بعنوان عوارض مشابه در دو مقطع زمانی می‌گردد. مثلثبندی همزمان نقاط متناظر شناسایی شده در بلوک‌های عکسی قبل و بعد از تغییرات هندسی، مستلزم تفکیک مختصات سه‌بعدی مجهول برای نقاط تغییریافته در دومقطع است. عدم لحاظ شدن این موضوع، نقص در طراحی مدل ریاضی قلمداد شده که اصلاح آن نیازمند شناسایی نقاط متناظر تغییریافته است. در این مقاله، روشی تکراری مبتنی بر پایش بردار باقیمانده‌های مربوط به مشاهدات تصویری هر نقطه‌ی سه‌بعدی در روند مثلثبندی پیشنهاد شده که قادر به شناسایی نقاط تغییریافته است. سازوکار این روش پیشنهادی بر پایه مقایسه‌ی نسبی شاخص‌های آماری مستخرج از بردار خطا در دو حالت مثلثبندی همزمان و مستقل تصاویر اخذ شده در بلوک‌های عکسی قبل و بعد از تغییرات هندسی است. در این روش پس از شناسایی نقاط تغییریافته، مدل ریاضی مربوطه در روند مثلثبندی اصلاح و برای هر نقطه‌ی تغییریافته دو مختصات سه‌بعدی برآورد می‌شود. نتایج اجرای روش پیشنهادی در بیش از یازده آزمایش مختلف بطور متوسط حاکی از موفقیت 85/8 درصدی در شناسایی نقاط تغییریافته با بزرگی‌ها و راستای‌های متفاوت بوده که در مقایسه با روش‌های مرسوم هندسی مبتنی بر تخمین پایدار هندسه‌ی اپی‌پلار بهبود 34/5 درصدی را نشان می‌دهد.
علیرضا طاهری دهکردی؛ سید محمد میلاد شهابی؛ محمد جواد ولدان زوج؛ محمود رضا صاحبی؛ علیرضا صفدری نژاد
چکیده
امروزه فناوری سنجش ازدور جایگاهی ویژه در کاربردهای مختلف مدیریت شهری پیدا کرده است. در این بین، نقشه ی ساختارهای شهری نظیر بلوک های ساختمانی، عموماً در مدیریت بحران، طراحی شهری و مطالعات مربوط به توسعه ی شهری مورد استفاده قرار می گیرند. در این مطالعه تولید نقشه بلوک های ساختمانی با استفاده از تصاویر ماهواره ای سنتینل 1 و 2 دنبال شده ...
بیشتر
امروزه فناوری سنجش ازدور جایگاهی ویژه در کاربردهای مختلف مدیریت شهری پیدا کرده است. در این بین، نقشه ی ساختارهای شهری نظیر بلوک های ساختمانی، عموماً در مدیریت بحران، طراحی شهری و مطالعات مربوط به توسعه ی شهری مورد استفاده قرار می گیرند. در این مطالعه تولید نقشه بلوک های ساختمانی با استفاده از تصاویر ماهواره ای سنتینل 1 و 2 دنبال شده است. روش پیشنهادی این مقاله متکی بر استفاده از طبقه بندی کننده آموزش یافته تعمیم پذیر می باشد. به نحوی که در ابتدا، طبقه بندی کننده مورد نظر با استفاده از نمونه های آموزشی به دست آمده از یک فرآیند پالایشی سختگیرانه نوین توسط محصولات سنجش ازدوری و مکانی مختلف، در سال 2015، آموزش می یابد. سپس این طبقه بندی کننده به منظور تولید نقشه بلوک های ساختمانی در مقاطع زمانی مشابه سه سال هدف (2018، 2019 و 2020) به کار گرفته می شود. به دلیل تنوع بافت و تراکم بلوک های ساختمانی در کلان شهر تهران، روش پیشنهاد شده در این منطقه مورد ارزیابی قرار گرفته است. همچنین با توجه به وسعت منطقه مطالعاتی، فراهم بودن تصاویر ماهواره ای رایگان بدون نیاز به اخذ و امکان اجرای عملیات مختلف پردازشی به صورت برخط، از سامانه گوگل ارث انجین در پژوهش حاضر استفاده شده است. سه روش طبقه بندی جنگل تصادفی، کمترین فاصله با معیار فاصله ماهالانابیس و ماشین بردارپشتیبان در این فرآیند مورد بررسی قرار می گیرند. به منظور ارزیابی روش پیشنهادی، از نمونه های مرجع به دست آمده از تفسیر بصری تصاویر با قدرت تفکیک مکانی بالا (گوگل ارث) در هر سه سال هدف استفاده شده است. نتایج به دست آمده عملکرد بهتر روش جنگل تصادفی در هر سه سال هدف با دقت کلی بالای 93 درصد را نسبت به دو روش دیگر نشان می دهند.
