طراحی و پیاده سازی یک سیستم اتوماتیک برای تشخیص ساختمانها در تصاویر ماهواره ای بزرگ مقیاس با استفاده از الگوریتمهای شبکه عصبی مصنوعی

استخراج اتوماتیک عارضه ساختمان ازتصاویر ماهواره ای، یک مساله تحقیقاتی باز در فتوگرامتری رقومی و سنجش از دور است. در حالیکه الگوریتمهای بسیاری برای استخراج ساختمانها ارائه شده اند، هیچ یک از آنها نمی توانند مسئله را به طور کامل حل کنند . در این مقاله چهارچوب سیستمی برای افزایش درجه اتوماسیون در استخراج ساختمانها با بامهای مختلف از تصاویر ماهواره ای چند طیفی با قدرت تفکیک بالا از کشورهای خاورمیانه (که بامها اشکال مخلتفی دارند) از جمله کشور ایران ارائه می شود. این تحقیق سیستمی را تشریح می کند که بخش تصمیم گیری آن ، بر مبنای الگوریتمهای شبکه های عصبی مصنوعی عمل می کند. این سیستم بوسیله زبان برنامه نویسی C# توسعه یافته و سعی شده که تا جای ممکن کاربر پسند باشد، به همین دلیل به صورتی طراحی شده است که کاربران آن نیازی به اطلاع از نظریه شبکه های عصبی مصنوعی نداشته باشند سیستم ارائه شده در دو فاز مختلف عمل می نماید، فاز اول یادگیری و فاز دوم کاربرد است. در فاز اول شبکه عصبی موجود در سیستم به کمک داده های ذخیره شده آزمایشی، آموزش می بیند و در فاز دوم، سیستم جهت تشخیص ساختمانها در تصاویر ماهواره ای مورد استفاده قرار می گیرد. تصویر ماهواره ای انتخاب شده برای آزمایش این سیستم، تصاویر multispectral , PAN سنجنده Ikonos از منطقه شهری کاشان به مساحت 100km2 می باشد. در بخش ارزیابی نتایج، نشان داده می شود که سیستم مذکور می تواند بیش از 84 درصد ساختمانهای موجود در تصویر مورد مطالعه را تشخیص دهد.

کلیدواژه ها:

استخراج عارضه ، شبکه عصبی مصنوعی ، شبکه پرسپترون سه لایه ای ، پردازش تصاویر