تلفیق دانش پایه تصاویر نوری و راداری با حد تفکیک بالا به منظور استخراج عارضه راه در مناطق شهری با استفاده از اطلاعات بافت

هدف اصلی این پژوهش، نشان دادن پتانسیل بالای استفاده توامان از تصاویر راداری و نوری جهت استخراج راه می باشد. به منظور رفع نواقص الگوریتم های استخراج راه از داده های تک منبعی و بهبود نتایج کشف راه، الگوریتمی هوشمند جهت تلفیق این دو منبع ارائه شده است. در این تحقیق از تصاویر آیکونوس و TerraSAR-X ، استفاده گردید. ابتدا بین تصاویر هم مرجع سازی انجام گرفت. سپس ویژگی های بافت برای هر یک از تصاویر استخراج گردیده و وارد شبکه عصبی جداگانه می گردد. در نهایت با قرار دادن دو فیلتر پیکسل هایی که در محدوده درجات خاکستری گیاه و راه های باریک قرار دارند، شناسایی شده و تصمیم گیری در مورد ماهیت این پیکسل ها به ترتیب بر مبنای خروجی شبکه عصبی تصویر نوری و راداری انجام می پذیرد. با اجرای این الگوریتم، به ترتیب مقادیر 79.42 درصد برای RCC ، 93.51 درصد برای BCC و مقدار 0.27 برای RMSE به دست آمد.

کلیدواژه ها:

استخراج راه ، تصاویر راداری ، تصاویر نوری ، تلفیق دانش پایه ، ویژگی بافت ، شبکه عصبی