[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: دوره 7، شماره 4 - ( 12-1398 ) ::
جلد 7 شماره 4 صفحات 115-137 برگشت به فهرست نسخه ها
تلفیق تصاویر مرئی و داده‌های ارتفاعی لیدار به‌منظور شناسایی نیمه‌خودکار عوارض شهری
مسعود آزاد، فرشید فرنود احمدی
دانشگاه تبریز
چکیده:   (6558 مشاهده)
این مقاله روشی جدید برای شناسایی عوارض از داده لیدار و تصاویر مرئی ارائه می‌دهد. الگوریتم شناسایی عوارض پیشنهادی، کمترین وابستگی را به نوع سنجنده مورد استفاده برای تصویربرداری و منطقه مورد مطالعه دارد و در مورد هر داده لیدار و داده تصویری ورودی، شامل باند‌های مرئی قرمز، سبز و آبی با قدرت تفکیک مکانی بالا، عوارض را با دقت قابل قبولی شناسایی می‌کند. در روش پیشنهادی، شناسایی عوارض با استفاده از تئوری تحلیل شی‌مبنایی، بعنوان رویکرد اصلی به انجام رسیده است. همچنین دو راهکار و نو‌آوری متفاوت به‌منظور افزایش سطح دقت و خودکارسازی فرایند شناسایی، پیشنهاد و به اجرا رسیده است. اولین راهکار، استفاده مستقل از داده‌های تصویری و لیدار به‌منظور رفع مشکل وابستگی زیاد بین داده‌ها در الگوریتم‌های موجود می‌باشد. راهکار دوم در این تحقیق، ارائه روشی نوین به‌منظور شناسایی مناطق پوشش گیاهی پیشنهاد شده می‌باشد. از ویژگی‌های این روش، عدم نیاز به باند مادون قرمز در داده‌های تصویری و همچنین عدم نیاز به اطلاعات شدت لیزر بازگشتی لیدار می‌باشد. با ارزیابی نتایج رده‌بندی روی داده‌های در دسترس، مشخص شد دقت کلی روش پیشنهادی در مورد رده پوشش گیاهی به طور متوسط 98% است که بالاترین مقدار را نسبت به سایر عوارض نشان می‌دهد. در مورد سایر عوارض نیز این روش به دقت‌های قابل قبولی دست یافت.
واژه‌های کلیدی: شناسایی و اندازه‌گیری محدوده عوارض، لیدار، تصاویر مرئی.
متن کامل [PDF 2655 kb]   (1792 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: سنجش از دور
دریافت: 1397/5/1 | پذیرش: 1398/4/30 | انتشار: 1398/12/29
فهرست منابع
1. [1] Anand, Anupam, (2017), "UNIT 14 ACCURACY ASSESSMENT".
2. [2] Awrangjeb, M., Ravanbakhsh, M., Fraser, C.S., "Automatic detection of residential buildings using LiDAR data and multispectral imagery", ISPRS Journal of Photogrammetry and Remote Sensing 65 (2010) 457 - 467. [DOI:10.1016/j.isprsjprs.2010.06.001]
3. [3] Dragut, L., Csillik, O., Eisank, C., & Tiede, D., "Automated parameterisation for multi-scale image segmentation on multiple layers", ISPRS Journal of Photogrammetry and Remote Sensing, (2014) 88, 119-127. [DOI:10.1016/j.isprsjprs.2013.11.018]
4. [4] Dragut, L., Tiede, D., & Levick, S. R., "ESP: a tool to estimate scale parameter for multiresolution image segmentation of remotely sensed data", International Journal of Geographical Information Science, Vol. 24, No. 6, June 2010, 859-871. [DOI:10.1080/13658810903174803]
5. [5] Martha, T. R., Kerle, N., van Westen, C. J., Jetten, V., & Kumar, K. V., "Segment optimization and data-driven thresholding for knowledge-based landslide detection by object-based image analysis", IEEE Transactions on Geoscience and Remote Sensing, 49(12) (2011), 4928-4943. [DOI:10.1109/TGRS.2011.2151866]
6. [6] Polat, N., Uysal, M., Toprak, A.S., "An investigation of DEM generation process based on LiDAR data filtering, decimation, and interpolation methods for an urban area", Measurement 75 (2015) 50 - 56. [DOI:10.1016/j.measurement.2015.08.008]
7. [7] Rottensteiner, F., Sohn, G., Gerke, M., Wegner, J., Breitkopf, U. and Jung, J., "Results of the ISPRS benchmark on urban object detection and 3D building reconstruction", ISPRS Journal of Photogrammetry and Remote Sensing 93 (2014) 256 - 271. [DOI:10.1016/j.isprsjprs.2013.10.004]
8. [8] Rottensteiner, F., Trinder, J., Clode, S. and Kubik, K., "Using the Dempster-Shafer method for the fusion of LiDAR data and multi-spectral images for building detection", Information fusion 6.4 (2005): 283-300. [DOI:10.1016/j.inffus.2004.06.004]
9. [9] Sohn, G. and Dowman, I., "Data fusion of high-resolution satellite imagery and LiDAR data for automatic building extraction", ISPRS Journal of Photogrammetry & Remote Sensing 62 (2007) 43 - 63. [DOI:10.1016/j.isprsjprs.2007.01.001]
10. [10] Stow, D., Lopez, A., Lippitt, C., Hinton, S., and Weeks, J., "Object-based classification of residential land use within Accra, Ghana based on QuickBird satellite data", International journal of remote sensing, Vol. 28, No. 22, 20 November 2007, 5167-5173. [DOI:10.1080/01431160701604703]
11. [11] Zarea, A., and Mohammadzadeh, A., "A novel building and tree detection method from LiDAR data and aerial images", IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, (2016), 9(5), 1864-1875. [DOI:10.1109/JSTARS.2015.2470547]
ارسال پیام به نویسنده مسئول


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Azad M, Farnood Ahmadi F. Integration of Visible Image and LIDAR Altimetric Data for Semi-Automatic Detection and Measuring the Boundari of Features. jgit. 2020; 7 (4) :115-137
URL: http://jgit.kntu.ac.ir/article-1-766-fa.html

آزاد مسعود، فرنود احمدی فرشید. تلفیق تصاویر مرئی و داده‌های ارتفاعی لیدار به‌منظور شناسایی نیمه‌خودکار عوارض شهری. مهندسی فناوری اطلاعات مکانی. 1398; 7 (4) :115-137

URL: http://jgit.kntu.ac.ir/article-1-766-fa.html



دوره 7، شماره 4 - ( 12-1398 ) برگشت به فهرست نسخه ها
نشریه علمی-پژوهشی مهندسی فناوری اطلاعات مکانی Engineering Journal of Geospatial Information Technology
Persian site map - English site map - Created in 0.05 seconds with 30 queries by YEKTAWEB 4212