استخراج عارضه راه بر اساس تلفيق مدل هاي مبتني بر بافت با استفاده از شبكه عصبي خود سازمانده

يكي از بهترين روش هاي به روز رساني پايگاه داده حمل و نقل، استفاده از تصاوير ماهواره اي و بالطبع استخراج عارضه راه مي باشد. هدف از اين كار بررسي توانايي اطلاعات مجاورت و ويژگي بافت تصوير در استخراج راه و همچنين توانايي عملگرهاي مورفولوژي و اطلاعات بافت زاويه اي در بهبود نتايج طبقه بندي است. با توجه به نتايج حاصل از ناحيه بندي تصوير، استفاده از پارامترهاي آماري مرتبه دوم در شبكه عصبي خودسازمانده باعث افزايش دقت طبقه بندي شد و در نتيجه ويژگي بافت مي تواند كمك قابل توجهي در حل مشكلات استخراج راه مانند سايه انداختن ساختمان ها بر راه، مشابهت انعكاسي طيفي بين سقف ساختمان ها و كف راه ها و ... داشته باشد. همچنين مرحله پس پردازش با استفاده از پارامتر مساحت بافت زاويه اي و عملگرهاي مورفولوژي Cleaning و Closing كارايي بالايي در حذف نوفه ها و پر كردن گپ ها داشته و استفاده از آن در خروجي شبكه عصبي خودسازمانده باعث بهبود نتايج استخراج راه گرديد.