استخراج اتوماتیک شبکه راه براساس ادغام تصاویر ماهواره ای سنتینل۱ و سنتینل۲ با ویژگیهای آنالیز بافت در فضای غیرشهری (مطالعه موردی: مسیر شاهرود- میامی)

سنجش از دور در بسیاری از زمینه­های علمی و تحقیقاتی، از جمله در مهندسی راه و حمل و نقل، کاربرد­های گسترده­ای دارد که می­توان به مهم­ترین کاربرد آن یعنی استخراج شبکه راه­ و تهیه نقشه شماتیک آن اشاره کرد. استخراج شبکه راه­ها از تصاویر ماهواره­ای نوعی فناوری مکمل برای دستیابی به اطلاعات به­شمار می­آید که تفسیر و آنالیز تصویر را ساده­تر کرده و باعث ارتقای کیفیت می­شود. هدف اساسی این پژوهش، استخراج اتوماتیک شبکه راه در مسیر شاهرود- میامی بوده که نقشه شبکه راه حاصله به عنوان ورودی سیستم مدیریت روسازی (PMS) مورد استفاده قرار گیرد. روش پیشنهادی در این مطالعه مبتنی بر تکنیک ادغام و تلفیق تصاویر ماهواره­های سنتینل۱ و سنتینل۲ با روش حداکثر رای­گیری به منظور استفاده بیشینه از اطلاعات طیفی و مکانی چند تصویر (افزایش جزئیات) به جای تک­تصویر، با استفاده از ویژگی­های بافت، می­باشد. در ادامه، برای انجام طبقه­بندی نظارت شده، از دو طبقه­بند غیرپارامتریک شبکه عصبی مصنوعی (ANN) و ماشین بردار پشتیبان (SVM) و یک طبقه­بند پارامتریک حداکثر احتمال شباهت (ML) در دو کلاس کلی راه و غیرراه استفاده شد. نمونه­های آزمایشی به صورت تصادفی و همگن و نمونه­هایی از تصاویر و نقشه­های موجود منطقه برای ارزیابی دقت طبقه­بندی استفاده شدند. نتایج نشان داد که ادغام و تلفیق نتایج طبقه­بندی­ها با روش حداکثر رای­گیری موجب بهبود دقت حدود ۴% برای ماهواره سنتینل۱ و حدود ۶% برای ماهواره سنتینل۲ در شناسایی مسیر و شبکه راه­ها شده است. همچنین، ضریب کاپا در روش حداکثر رای­گیری نسبت به ANN (بهترین عملکرد موثر طبقه­بندی­ها) برای ماهواره سنتینل۱ حدود ۱۱/۰ و برای ماهواره سنتینل۲ حدود ۰۶/۰ رشد داشته است.

کلیدواژه ها:

استخراج راه ، شبکه عصبی مصنوعی ، ادغام تصویر ، طبقهبندی نظارت شده ، سنجش از دور