متراكم سازي ابر نقاط حاصل از تداخل‌سنجي راداري مبتني بر پراكنش‌گرهاي دائمي در مناطق شهري

ابر نقاط سه‌بعدي سهم قابل توجهي از مشاهدات هواپايه و فضاپايه در ساليان گذشته داشته‌اند. محدوديت‌ها و چالش‌هاي پردازشي اين مشاهدات در مطالعات مختلف ماشين‌بينايي و سنجش‌ازدور مورد بررسي قرار گرفته است. يكي از روش‌هاي توليد ابر نقاط سه‌بعدي بهره‌گيري از روش تداخل‌سنجي پراكنش‌گرهاي دائمي به‌منظور تخمين ارتفاع عوارض مختلف است. با برآورد خطاي ارتفاعي مدل توپوگرافي مورد استفاده در پردازش تداخل‌سنجي راداري پراكنش‌گرهاي دائمي (فاز باقي‌مانده ارتفاعي)، ارتفاع هر پراكنش‌گر دائمي تخمين زده مي‌شود. دقت ارتفاعي حاصل از اين روش، با تغيير در روش انتخاب تصوير پايه و معيارهاي انتخاب پراكنش‌گرهاي دائمي بهبود پيدا كرد. به دليل تراكم پائين و همچنين پهلونگر بودن تصويربرداري سار، ابر نقاط حاصل از اين روش، بيانگر هندسه كامل عوارض نخواهد بود. در اين مقاله با هدف افزايش تراكم و تكميل هندسه عارضه موردنظر، از شبكه‌هاي يادگيري عميق تكميل‌كننده ابر نقاط سه‌بعدي استفاده شد. اين شبكه‌ها با انجام فرآيند يادگيري، مستقيماً از فضاي ابر نقاط غيرمتراكم به فضاي ابر نقطه متراكم رسيده و با استخراج ساختار هندسي كلي عارضه موردنظر، جزئيات را نيز تا حد مطلوبي حفظ مي‌كنند. معيار هزينه اين شبكه مبتني بر فاصله چمفر بوده است كه فاصله دو ابر نقطه سه‌بعدي ورودي غيرمتراكم و مرجع زميني متراكم را اندازه‌گيري كرده و در عين افزايش تراكم نقاط خروجي شبكه، فاصله اين دو فضا حداقل شود. به دليل استفاده اين شبكه در مطالعات ماشين‌بينايي، مجموعه داده‌هاي ابر نقطه سه‌بعدي هواپايه يا فضاپايه موجود نيست. در اين مطالعه، 27 تصوير ماهواره سنتينل-1 در منطقه فيلادلفيا آمريكا استفاده شد. به‌منظور آموزش شبكه در مناطق شهري، مجموعه داده‌اي شامل 30000 ساختمان در اين مطالعه توليد شد. مقدار تابع زيان بدست آمده در فرآيند آموزش 0/048 و در فرآيند ارزيابي شبكه 0/0482 بوده است. با ارزيابي مدل ارتفاعي سطح استخراج شده با داده‌هاي مرجع ليدار منطقه مورد مطالعه، ميانگين خطاي تخمين ارتفاع مطلق 4/67 متر بدست آمد كه نزديك به مقادير دقت مطلق مدل‌هاي ارتفاعي سطح تجاري موجود در دنياست.