چکیده مقاله
حل مسئله استخراج ساختمان از تصاویر سنجش از دور با توان تفکیک مکانی بالاهمواره به عنوان یکی از موضوعات چالش برانگیز در حیطه علوم فتوگرامتری و سنجش از دور به شمار می آید در طی سالهای اخیر الگوریتمهای مختلفی برای استخراج خودکار ساختمان از تصاویر سنجش از دور ارائه شده است، که یکی از پرکاربردترین و موثرترین این الگوریتم ها استفاده از الگوریتم های یادگیری عمیق میباشد هدف از تحقیق حاضر، ارائه الگوریتمی ابتکاری موسوم به ABF SegNet جهت بهبود دقت استخراج ساختمانها از تصاویر سنجش از دور با توان تفکیک مکانی بالا بر پایه تلفیق شبکه های عصبی کانولوشنی عمیق و فیلترهای دوطرفه انطباقی است فرآیند استخراج ساختمان در این تحقیق شامل: اعمال فیلترهای دوطرفه انطباقی بر مجموعه داده های تحقیق و بهینه سازی پارامترهای آن بهصورت تجربی جهت بهبود لبه های ساختمانها، طراحی و آموزش شبکه عصبی کانولوشنی عمیق SegNet با مجموعه داده های بهبودیافته و بهینهسازی آن با الگوریتم ADAM، و اثرسنجی به کارگیری الگوریتم ABF SegNet در استخراج خودکار ساختمان میباشد الگوریتم پیشنهادی تحقیق بر روی 2 مجموعه داده سنجش از دور از شهرهای پوتسدام برای چالش تراکم ساختمانها و ایندیاناپولیس برای چالش سایه و پوشش گیاهی مورد آزمایش قرار گرفت نتایج نشان داد، الگوریتم ABF SegNet قادر به استخراج ساختمانها با دقتی مناسب از تصاویر سنجش از دور رنگی است اما عواملی مانند سایه، تراکم ساختمانها و ساختمانهای پوشیده شده با گیاهان همواره میزان دقت نتایج را تحت تاثیر قرار میدهند
کلیدواژهها
نویسندگان
مهدی خوش برش ماسوله
دانشجوی کارشناسی ارشد سنجش از دور، دانشکده مهندسی نقشه برداری و اطلاعات مکانی، پردیس دانشکدههای فنی، دانشگاه ته ران
رضا شاه حسینی
استادیار دانشکده مهندسی نقشه برداری و اطلاعات مکانی، پردیس دانشکدههای فنی، دانشگاه تهران
شیوه ارجاع
�وش برش ماسوله، مهدی و شاه حسینی، رضا،1397،ارائه الگوریتمی مبتنی بر یادگیری عمیق جهت استخراج ساختمان از تصاویر سنجش از دور با توان تفکیک مکانی بالا،بیست و پنجمین همایش و نمایشگاه ملی ژئوماتیک و سومین کنفرانس مهندسی فناوری اطلاعات مکان،تهران
ارائهشده در
مجموعه مقالات بیست و پنجمین همایش و نمایشگاه ملی ژئوماتیک و سومین کنفرانس مهندسی فناوری اطلاعات مکان30 آبان 1397 · تهران