تاثیر کیفیت تصویر در شناسایی ترک سازه

چکیده مقاله

صحت پیش بینی شبکه های یادگیری عمیق در شناسایی اشیاء،بخش بندی و طبقه بندی تصاویر کاملا با کیفیت تصاویر در ارتباطاست عوامل مخرب تصویر مانند تاری و ماتی ، نویز و مناسب نبودنشرایط نوری تصویر به علت مستحکم نبودن سنجنده و شرایطمحیطی در فتوگرامتری و ماشین بینایی رایج هستند از این رو،بازیابی تصاویر با هدف افزایش دقت شناسایی عوارض ، ضروریمی باشد در این تحقیق، ما تاثیر وجود نویز و مناسب نبودن شرایطنوری در تصاویر را در بخش بندی ترک بررسی کردیم ابتدا، یک شبکهعمیق رمزگذار رمزگشای کانولوشنی DoubleU net برای استخراج ویژگی و آموزش تصاویر برای هدف بخش بندی ترک پیاده سازی شد برای مقایسه و ارزیابی صحت عملیات و شبکه بخش بندی ، از معیار Intersection over Union IoU بهره گرفته شد در قدم بعد، بازیابی تصاویر به کمک شبکه یادگیری عمیق رمزگذار رمز گشایچند مقیاسه با ماژول ادغام و انتخاب ویژگی MIRNet پیاده سازی شد برای ارزیابی و تجزیه و تحلیل نتایج از شاخص های ارزیابیکیفیت طیفی SSIM ،RMSE ،PSNR و ERGAS استفاده شد بخش بندی تصاویر تخریب شده با کاهش صحت همراه بود ولی پس ازعملیات یازیابی تصویر این کاهش دقت تا حد زیادی بهبود پیدا کرده و جبران شد

کلیدواژه‌ها

نویسندگان

سهیل مجیدی

دانشکده مهندسی نقشه برداری و اظلاعات مکانی دانشگاه تهران

محمدامیدعلی زرندی

دانشکده ژئودتیک دانشگاه لایبنیتز هانوفر

محمدعلی شریفی

دانشکده مهندسی نقشه برداری و اظلاعات مکانی دانشگاه تهران

مجیدی، سهیل و زرندی، محمدامیدعلی و شریفی، محمدعلی،1402،تاثیر کیفیت تصویر در شناسایی ترک سازه،بیست و هفتمین همایش ملی مهندسی نقشه برداری و اطلاعات مکانی (ژئوماتیک ۱۴۰۲)،تهران

ارائه‌شده در

مجموعه مقالات بیست و هفتمین همایش ملی مهندسی نقشه برداری و اطلاعات مکانی (ژئوماتیک ۱۴۰۲)11 اردیبهشت 1402 · تهران