توسعه روشي شيء گرا جهت تشخيص ساختمانها و برآورد ميزان تخريب به روش شبكه عصبي مصنوعي توسط تصاوير VHR

زلزله یكی از مهمترین سوانحی است كه سالیانه خسارات و تلفات فراوانی در سراسر دنیا به جا میگذارد. پس از وقوع زلزله، اطلاع دقیق از وضعیت منطقه و تعیین دقیق موقعیت ساختمان هاي تخریب شده و میزان تخریب آنها از مسائل مهم و حیاتی مدیریت بحران است. هدف این مقاله استخراج خودكار ساختمانها و تعیین میزان آسیب لرزه اي آنها توسط پردازش تصاویر ماهواره اي می باشد. به منظور پیاده سازي روش در قبل و بعد از زلزله بم سال 2003 استفاده گردید. پس از انجام عملیات پیش پردازش نظیر آماده سازي و QuickBird پیشنهادي، تصاویر ماهواره تلفیق تصاویر، روش قطعهبندي شیء گرا با استفاده از سه پارامتر مقیاس، شكل و فشردگی تكمیل شد. با استفاده از الگوریتم نزدیكترین همسایه، عوارض شهري مورد طبقهبندي مدیریت شده قرار گرفتند. سپس با مقایسه نقشه پارسلهاي ساختمانی (بانك داده هاي مرجع) ارزیابی صحت نقشه استخراج ساختمان ها صورت گرفت. نتایج ماتریس خطا صحت كلی را برابر 95 % گزارش داده است. همچنین با استفاده از تغییرات در شاخص هاي بافتی تصاویر (آنالیز بافت) بروي ساختمانها، در قبل و بعد از زلزله، نقشه خسارت در سه درجه آسیب دیدگی جزئی، خرابی زیاد و ویرانی كامل با استفاده از به كار گیري شبكه عصبی بدست آمده است. صحت كلی نقشه تهیه شده تخریب برابر 78,9 % بدست آمده است.