عنوان مقاله :
تلفيق دانش پايه تصاوير نوري و راداري با حد تفكيك بالا به منظور استخراج عارضه راه در مناطق شهري با استفاده از اطلاعات بافت
عنوان فرعي :
Knowledge Based Fusion of High Resolution Radar and Optical Images for Road Extraction in Urban Areas
پديد آورندگان :
خصالي، الهه نويسنده كارشناس ارشد دانشكده مهندسي نقشه برداري، دانشگاه صنعتي خواجه نصير طوسي khesali, Elahe , ولدان زوج، محمد جواد نويسنده دانشيار دانشكده مهندسي نقشه برداري، دانشگاه صنعتي خواجه نصير طوسي valdanzoj, mohammad javad , مختارزاده، مهدي نويسنده ,
اطلاعات موجودي :
دوفصلنامه سال 1392 شماره 1
كليدواژه :
Knowledge Based Fusion , neural network , Optic Images , Road extraction , Texture Feature , استخراج راه , تصاوير راداري , تصاوير نوري , تلفيق دانشپايه , شبكه عصبي , ويژگي بافت , Radar Images
چكيده فارسي :
هدف اصلي اين پژوهش، نشان دادن پتانسيل بالاي استفاده توامان از تصاوير راداري و نوري، جهت استخراج راه مي باشد. به‌منظور رفع نواقص الگوريتمهاي استخراج راه، با استفاده از دادههاي تك منبعي و بهبود نتايج كشف راه، الگوريتمي هوشمند جهت تلفيق اين دو منبع ارايه‌شده است. در اين تحقيق از تصاوير آيكونوس و TerraSAR-X، استفاده گرديد كه ابتدا بين تصاوير، هم مرجع سازي انجام گرفت و سپس ويژگيهاي بافت براي هر يك از تصاوير، استخراج و وارد شبكه عصبي جداگانه شدند. در نهايت با قرار دادن دو فيلتر، پيكسلهايي كه در محدوده درجات خاكستري گياه و راههاي باريك قرار دارند، شناسايي شده و تصميمگيري در مورد ماهيت اين پيكسلها به‌ترتيب بر مبناي خروجي شبكه عصبي، تصوير نوري و راداري انجام پذيرفت. با اجراي اين الگوريتم، به‌ترتيب مقادير 42/79 درصد براي پارامتر RCC، 51/93 درصد براي پارامتر BCC و مقدار 27/0 براي پارامتر RMSE محاسبه شده بين خروجي الگوريتم و دادههاي مرجع، به‌دست آمد. خروجي حاصل از تلفيق دو منبع هم از لحاظ آماري و بصري نتايج قابل قبولي ارايه ميدهد و هم در تشخيص راههاي باريك و پيكسلهاي مربوط به زمينه، عملكرد بهتري دارد.
چكيده لاتين :
In this article, a new method is presented for fusion of high resolution optical and radar data for higher quality road extraction. The proposed methodology consists of two stages. The first stage includes road detection separately from each data and the second stage is knowledge based fusion of images. Neural networks are separately applied on high
resolution IKONOS and TerraSAR-X images for road detection, using a variety of texture parameters. Knowledge based fusion method is then carried out using some thresholds about gray level of narrow roads and vegetation. In order to evaluate the result accuracy assessment parameters including RCC, BCC and RMSE (Root Mean Square
Error) were estimated as 79.42%, 93.51% and 0.27, respectively. The results obtained show the high efficiency of the proposed method.
اطلاعات موجودي :
دوفصلنامه با شماره پیاپی 1 سال 1392
كلمات كليدي :
#تست#آزمون###امتحان
