ارائه الگوریتمی مبتنی بر یادگیری عمیق جهت استخراج ساختمان از تصاویر سنجش از دور با توان تفکیک مکانی بالا
سال انتشار: 1397
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,111
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCEGIT03_080
تاریخ نمایه سازی: 8 تیر 1398
چکیده مقاله:
حل مسئله استخراج ساختمان از تصاویر سنجش از دور با توان تفکیک مکانی بالاهمواره به عنوان یکی از موضوعات چالش برانگیز در حیطه علوم فتوگرامتری و سنجش از دور به شمار می آید. در طی سالهای اخیر الگوریتمهای مختلفی برای استخراج خودکار ساختمان از تصاویر سنجش از دور ارائه شده است، که یکی از پرکاربردترین و موثرترین این الگوریتم ها استفاده از الگوریتم های یادگیری عمیق میباشد. هدف از تحقیق حاضر، ارائه الگوریتمی ابتکاری موسوم به ABF+SegNet جهت بهبود دقت استخراج ساختمانها از تصاویر سنجش از دور با توان تفکیک مکانی بالا بر پایه تلفیق شبکه های عصبی کانولوشنی عمیق و فیلترهای دوطرفه انطباقی است. فرآیند استخراج ساختمان در این تحقیق شامل: اعمال فیلترهای دوطرفه انطباقی بر مجموعه داده های تحقیق و بهینه سازی پارامترهای آن بهصورت تجربی جهت بهبود لبه های ساختمانها، طراحی و آموزش شبکه عصبی کانولوشنی عمیق SegNet با مجموعه داده های بهبودیافته و بهینهسازی آن با الگوریتم ADAM، و اثرسنجی به کارگیری الگوریتم ABF+SegNet در استخراج خودکار ساختمان میباشد. الگوریتم پیشنهادی تحقیق بر روی 2 مجموعه داده سنجش از دور از شهرهای پوتسدام )برای چالش تراکم ساختمانها( و ایندیاناپولیس )برای چالش سایه و پوشش گیاهی( مورد آزمایش قرار گرفت. نتایج نشان داد، الگوریتم ABF+SegNet قادر به استخراج ساختمانها با دقتی مناسب از تصاویر سنجش از دور رنگی است. اما عواملی مانند سایه، تراکم ساختمانها و ساختمانهای پوشیده شده با گیاهان همواره میزان دقت نتایج را تحت تاثیر قرار میدهند.
کلیدواژه ها:
استخراج ساختمان ، تصاویر سنجش از دور ، یادگیری عمیق ، شبکه عصبی کانولوشنی عمیق ، بخش بندی معنایی ، فیلتر دو طرفه انطباقی.
نویسندگان
مهدی خوش برش ماسوله
دانشجوی کارشناسی ارشد سنجش از دور، دانشکده مهندسی نقشه برداری و اطلاعات مکانی، پردیس دانشکدههای فنی، دانشگاه ته ران
رضا شاه حسینی
استادیار دانشکده مهندسی نقشه برداری و اطلاعات مکانی، پردیس دانشکدههای فنی، دانشگاه تهران