كاربرد و استفاده ازشبكه هاي عصبي مصنوعي براي استخراج ساختمان از تصاوير ماهوارهاي با قدرت تفكيك بالا

استخراج اتوماتيك عارضه ساختمان از تصاوير ماهواره اي، يك مسأله تحقيقاتي باز در فتوگرامتري رقومي و سنجش از دور است. الگوريتم هاي بسياري براي استخراج ساختمانها ازتصاوير ماهواره اي ارائه شده اندكه غالبا معيارهاي راديومتريكي و هندسي، تشخيص لبه ها، شناسايي عوارض خطي، دانش ساختار هندسي و سايه را به عنوان معيارهاي استخراج ساختمان در نظر گرفته اند، اما هيچ يك از آنها نمي توانند به طورمستقل مسئله را حل كنند. براي حل اين مسأله پيچيده، تلفيق قابليت هاي الگوريتم هاي مختلف و منابع داده موجود ضروري مي باشد. در اين مقاله چارچوب سيستمي براي افزايش درجه اتوماسيون در استخراج ساختمانها با بام هاي مختلف از تصاوير ماهوارهاي چند طيفي با قدرت تفكيك بالا با در نظرگرفتن معيارهاي هندسي، ساختاري و طيفي ارائه مي شود. اين تحقيق سيستمي را تشريح مي كند كه بخش تصميم گيري آن، بر مبناي الگوريتم هاي شبكه هاي عصبي مصنوعي عمل ميكند و بوسيله زبان برنامه نويسي C# توسعه يافته است. اين سيستم تا حد ممكن به صورتي طراحي شده است كه كاربران آن نيازي به اطلاع از نظريه شبكه هاي عصبي مصنوعي نداشته باشند. سيستم ارائه شده در دو فاز مختلف عمل مي نمايد، فاز اول يادگيري و فاز دوم كاربرد است. در فاز اول شبكه عصبي موجود در سيستم به كمك داده هاي ذخيره شده آزمايشي، آموزش مي بيند و در فاز دوم، سيستم جهت تشخيص ساختمانها در تصاوير ماهوارهاي مورد استفاده قرار مي گيرد. تصوير ماهواره اي انتخاب شده براي آزمايش اين سيستم، تصاوير PAN و multispectral سنجنده Ikonos منطقه شهري كاشان به مساحت 100km2 ميباشد. سيستم مذكور، در اين مقاله ميتواند بيش از 84 درصد ساختمانهاي موجود در تصوير مورد مطالعه را تشخيص دهد. اين نتيجه اميدبخش كاربردي بودن سيستم ارائه شده در اين مقاله را توجيه مي كند.