fa طراحی یک پایگاه قوانین عارضه مبنا جهت کشف عارضه راه از تصاویر ماهواره‌ای با حد تفکیک مکانی بالا پژوهشي Research <p dir="RTL">افزایش دسترسی به تصاویر ماهواره‌ای با حد تفکیک مکانی بالا بیش از پیش امکان شناسایی و استخراج اتوماتیک عوارض راه را برای ما فراهم&nbsp;نموده است. در حال حاضر اغلب روش‌های ارائه شده جهت شناسایی و استخراج اتوماتیک عوارض راه پیکسل مبنا بوده که بر اساس درجه خاکستری هر پیکسل عمل می‌نمایند. به‌دلیل ضعف اطلاعات موجود در یک پیکسل، توانایی تفسیر مفهومی تصویر از طریق روش‌های پیکسل مبنا بسیار ضعیف می‌باشد. در صورتی‌که در روش‌های عارضه مبنا، علاوه بر ویژگی‌های طیفی، ویژگی‌هایی همچون بافت، ساختار، مقیاس و اطلاعات متنی مانند اطلاعات در رابطه با ماهیت عوارض مجاور و نحوه ارتباط با آن‌ها برای هر عارضه تصویری قابلیت تعریف دارند و به همین دلیل پردازش‌های تصویری حاصل از آ‌ن‌ها نتایج قابل اطمینان‌تری را نیز در اختیار می‌گذارند. از ان رو در این مقاله سعی شده است با‌توجه به مزایای روش‌های عارضه مبنا روشی کارا در قالب یک سیستم دانش مبنا جهت کشف اتوماتیک عارضه راه از تصاویر ماهواره‌ای طراحی و پیاده سازی گردد. در مرحله اول به دلیل تعداد بالای ویژگی‌های قابل تعریف برای هر قطعه تصویری در روش‌های عارضه مبنا و اهمیت استفاده از ویژگی‌های شاخص در تفکیک عوارض از یکدیگر، استفاده از الگوریتم ژنتیک در تلفیق با الگوریتم طبقه‌بندی نزدیکترین همسایگان جهت یافتن مؤثرترین ویژگی‌ها در شناسایی عارضه راه پیشنهاد گردیده است. در مرحله دوم یک سیستم دانش مبنا با توجه به دانش موجود، بررسی داده‌ها و همچنین با بهره‌گیری از هوش انسانی در شناسایی عارضه راه طراحی خواهد گردید. تصاویر مختلفی از ماهواره‌ <span dir="LTR">IKONOS</span> به‌منظور تولید قوانین دانش مبنا و همچنین جهت ارزیابی و اعتبار‌سنجی سیستم پیشنهادی مورد استفاده قرار گرفته است. نتایج اعتبارسنجی حاکی از کارایی و قابلیت اعتماد آنالیز‌های عارضه مبنا و هم چنین پایگاه قوانین ارائه شده می‌باشد.</p> <p>The increasing availability of high resolution satellite images is an opportunity to detect urban objects such as roads. In order to increasing the precision a new image analysis using object-based approaches has been proposed. In this paper, designing steps of knowledge based of road detection has been presented. In this field, an important challenge is the use of knowledge for automatic road objects identification, and a major issue is the formalization and exploitation of this knowledge. At first, optimum features, including spectral, texture and structural features, are detected using a genetic algorithm with a k-nearest neighbor classifier. After that a rule based road detection strategy has been developed using prior knowledge and optimum features interpretation. The method is designed and validated by IKONOS images of the urban areas of Hobart, Kish and Shiraz. The validation results highlight the capacity of the proposed method to automatically identify road objects using the knowledge based proposed system.</p> آنالیزهای عارضه مبنا, الگوریتم ژنتیک, پایگاه قوانین دانش مبنا, کشف راه, تصاویر ماهواره‌ای Object Based Image Analysis, Road Detection, Rule Based, Genetic Algorithm 77 94 http://jgit.kntu.ac.ir/browse.php?a_code=A-11-128-51&slc_lang=fa&sid=1 Maryam Nikfar مریم نیک‌فر m.nikfar@mail.kntu.ac.ir 10031947532846004640 10031947532846004640 Yes K.N.Toosi University of Technology دانشگاه صنعتی خواجه نصیرالدین طوسی Mohammad Javad Valadan Zoej محمدجواد ولدان زوج 10031947532846004641 10031947532846004641 No K.N.Toosi University of Technology دانشگاه صنعتی خواجه نصیرالدین طوسی Mehdi Mokhtarzade مهدی مختارزاده 10031947532846004642 10031947532846004642 No K.N.Toosi University of Technology دانشگاه صنعتی خواجه نصیرالدین طوسی Mahdi Aliyari Shoorehdeli مهدی علیاری شوره دلی 10031947532846004643 10031947532846004643 No K.N.Toosi University of Technology دانشگاه صنعتی خواجه نصیرالدین طوسی