[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: دوره 3، شماره 1 - ( 3-1394 ) ::
جلد 3 شماره 1 صفحات 77-94 برگشت به فهرست نسخه ها
طراحی یک پایگاه قوانین عارضه مبنا جهت کشف عارضه راه از تصاویر ماهواره‌ای با حد تفکیک مکانی بالا
مریم نیک‌فر*، محمدجواد ولدان زوج، مهدی مختارزاده، مهدی علیاری شوره دلی
دانشگاه صنعتی خواجه نصیرالدین طوسی
چکیده:   (2740 مشاهده)

افزایش دسترسی به تصاویر ماهواره‌ای با حد تفکیک مکانی بالا بیش از پیش امکان شناسایی و استخراج اتوماتیک عوارض راه را برای ما فراهم 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 IKONOS 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.

واژه‌های کلیدی: آنالیزهای عارضه مبنا، الگوریتم ژنتیک، پایگاه قوانین دانش مبنا، کشف راه، تصاویر ماهواره‌ای
متن کامل [PDF 1471 kb]   (922 دریافت)    
نوع مطالعه: پژوهشي |
دریافت: 1394/11/2 | پذیرش: 1394/11/2 | انتشار: 1394/11/2
فهرست منابع
1. [1] G. Vosselman, and J. de Knecht, "Road tracing by profile matching and kalman filtering", in Automatic Extraction of Man-Made Objects from Aerial and Space Images. A. Gruen, O. Kuebler, and P. Agouris, Eds., Basel, Switzerland: Birkha¨user, 1995, pp. 265-274. [DOI:10.1007/978-3-0348-9242-1_25]
2. [2] A. Gruen, and H. Li, "Semi-automatic linear feature extraction by dynamic programming and LSB snakes", Photogrammetric Engineering & Remote Sensing, Vol.63, pp. 985–995, 1997.
3. [3] P. Doucette, P. Agouris, and A. Stefanidis, "Automated road extraction from high resolution multispectral imagery", Photogrammetric Engineering and Remote Sensing, Vol. 70, pp. 1405–1416, 2004. [DOI:10.14358/PERS.70.12.1405]
4. [4] Q. Zhang, and I. Couloigner, "wavelet approach to road extraction from high spatial resolution remotely sensed imagery", Geomatica, Vol.58, pp. 33–39, 2004.
5. [5] A. Mohammadzadeh, A. Tavakoli, and M.J. Valadan Zoej, "Road extraction based on fuzzy logic and mathematical morphology from pan-sharpened IKONOS images", The Photogrammetric Record, Vol. 21, pp. 44–60, 2006. [DOI:10.1111/j.1477-9730.2006.00353.x]
6. [6] M. Mokhtarzade, and M. J. Valadan Zoej, "Road detection from high-resolution satellite images using artificial neural networks", International Journal of Applied Earth Observation and Geoinformation, Vol. 9, pp. 32–40, 2007. [DOI:10.1016/j.jag.2006.05.001]
7. [7] T. Peng, "Incorporating Generic and Specific Prior Knowledge in a Multiscale Phase Field Model for Road Extraction From VHR Images", IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, Vol. 1, pp. 130-148, June. 2008.
8. [8] S. Valero, J. Chanussot, J. A. Benediktsson, H. Talbot, and B. Waske, "Advanced directional mathematical morphology for the detection of the road network in very high resolution remote sensing images", Pattern Recognition Letters, vol. 31, pp. 1120–1127, 2010. [DOI:10.1016/j.patrec.2009.12.018]
9. [9] T. T. Mirnalinee, S. Das, and K. Varghese, "An integrated multistage framework for automatic road extraction from high resolution satellite imagery", Journal of Indian Society of Remote Sensing, Vol. 39, pp.1-25, 2011. [DOI:10.1007/s12524-011-0063-9]
10. [10] P. P. Singh, and R.D. Garg, "A two-stage framework for road extraction from high-resolution satellite images by using prominent features of impervious surfaces", International Journal of Remote Sensing, vol. 35, pp. 8074–8107, 2014. [DOI:10.1080/01431161.2014.978956]
11. [11] M. Baatz, and A. Schäpe, "Multiresolution Segmentation: an optimization approach for high quality multi-scale image segmentation", in Angewandte Geographische Informationsverarbeitung XII, J. Strobl, and T. Blaschke, Eds., Heidelberg, 2000, pp. 12-23.
12. [12] M. Herold, J. Scepan, A. Muller, and S. Gunter, "Object-oriented mapping and analysis of urban landuse/cover using ikonos data", in Proceedings of 22nd Earsel symposium geoinformation for European-wide integration, Prague, 2002, pp.531–538.
13. [13] U. Benz, P. Hofmann, G. Willhauck, I. Lingenfelder, and M. Heynen, " Multiresolution, object-oriented fuzzy analysis of remote sensing data for GIS-ready information", ISPRS Journal of Photogrammetry and Remote Sensing, vol. 58, pp. 239–258, 2004. [DOI:10.1016/j.isprsjprs.2003.10.002]
14. [14] C. Cleve, M. Kelly, F. R. Kearns, and M. Moritz, "Classification of the wild land urban interface: A comparison of pixel- and object-based classifications using high resolution aerial photography", Computers, Environment and Urban Systems, vol. 32, pp. 317–326, 2008. [DOI:10.1016/j.compenvurbsys.2007.10.001]
15. [15] T. Blaschke, "Object based image analysis for remote sensing", ISPRS Journal of Photogrammetry and Remote Sensing, vol. 65, pp. 2-16, 2010. [DOI:10.1016/j.isprsjprs.2009.06.004]
16. [16] E. Baltasavias, "Object extraction and revision by image analysis using existing geo data and knowledge: Current status and steps towards operational systems", ISPRS Journal of Photogrammetry and Remote Sensing, vol. 58, pp.129–151, 2004. [DOI:10.1016/j.isprsjprs.2003.09.002]
17. [17] R. C. Frohn, K. M. Hinkel, and W. R. Eisner, "Satellite remote sensing classification of thaw lakes and drained thaw lake basins on the North Slope of Alaska", Remote Sensing of Environment, vol. 97, pp. 116–126, 2005. [DOI:10.1016/j.rse.2005.04.022]
18. [18] N. Zarrinpanjeh, F. Samadzadegan, and T. Schenk, "A new ant based distributed framework for urban road map updating from high resolution satellite imagery", Computers and Geosciences, vol. 54, pp. 337–350, 2013. [DOI:10.1016/j.cageo.2012.12.006]
19. [19] A. Grote, C. Heipke, and F. Rottensteiner, "Road network extraction in suburban areas", The Photogrammetric Record, vol. 27, pp. 8–28, March. 2012.
20. [20] M. Nikfar, M. J. Valadan Zoej, M. Mokhtarzade and M. Aliyari Shoorehdeli, "Designing a new framework using type-2 fls and cooperative-competitive genetic algorithms for road detection from IKONOS satellite imagery", Remote Sensing, vol. 7,pp. 8271-8299, 2015. [DOI:10.3390/rs70708271]
21. [21] F. Gomez, and C. Segami, "Semantic interpretation and knowledge extraction. Knowledge-Based Systems", Vol. 20, pp. 51–60, 2007. [DOI:10.1016/j.knosys.2006.07.002]
22. [22] T. Matsuyama, and V. S. Hwang, SIGMA – A knowledge-based aerial image understanding system. Plenum Press, New York, 1990.
23. [23] B. Draper, A. Collins, J. Brolio, and A. Hanson, Riseman, E. "The schema system. International Journal of Computer Vision", Vol. 2, pp. 209–250, 2007. [DOI:10.1007/BF00158165]
24. [24] R. Tiinjes, S. Glowe, J. Biicknel, and C. Lledtke, "Knowledge-based interpretation of remote sensing images using semantic nets", Photogrammetric Engineering and Remote,Vol. 65, pp. 811-821, 1999.
25. [25] J. Bückner, M. Pahl, O. Stahlhut, and C. E. Liedtke, "A knowledge-based system for context dependent evaluation of remote sensing data", in Pattern Recognition: DAGM Symposium, L. V. Gool, Eds., Germany, 2002, pp. 58–65. [DOI:10.1007/3-540-45783-6_8]
26. [26] F. M. B. Van Coillie, L. P. C. Verbeke, and R. R. De Wulf, "Feature selection by genetic algorithms in object-based classification of IKONOS imagery for forest mapping in Flanders, Belgium", Remote Sensing of Environment, vol. 110, pp. 476–487, 2007. [DOI:10.1016/j.rse.2007.03.020]
27. [27] C. H. Chang, C. C. Liu, and C. G Wen, "Integrating semi analytical and genetic algorithms to retrieve the constituents of water bodies from remote sensing of ocean color", Optics Express, vol. 15, pp. 252–265, 2007. [DOI:10.1364/OE.15.000252]
28. [28] D. G. Stavrakoudis, J. B. Theocharis, and G. C. Zalidis, "A boosted genetic fuzzy classifier for land cover classification of remote sensing imagery", ISPRS Journal of Photogrammetry and Remote Sensing, vol. 66, pp. 529–544, 2011. [DOI:10.1016/j.isprsjprs.2011.01.010]
29. [29] M. Nikfar, M. J. Valadan Zoej, A. Mohammadzadeh, M. Mokhtarzade, and A. Navabi, "Optimization of multiresolution segmentation by using a genetic algorithm", Journal of Applied Remote Sensing, vol. 6, pp. 1-18, 2012. [DOI:10.1117/1.JRS.6.063592]
30. [30] J. Holland, Adaptation in Natural and Artificial Systems. University of Michigan Press: Oxford, England, 1975.
31. [31] Y. M. M. Bishop, S. E. Fienberg, and P. W. Holland, Discrete multivariate analysis: Theory and practice. MIT Press, Cambridge, 1975.
32. [32] W. Y. Lin, W. Y. Lee, and T. P. Hong, "Adapting crossover and mutation rates in genetic algorithms", Journal of Information Science and Engineering, vol. 19, pp. 889–903, 2003.
33. [33] M. J. Valadan Zoej, M. Mokhtarzade, A. Mansourian, H. Ebadi and S. Sadeghian, "Rational function optimization using genetic algorithms", International Journal of Applied Earth Observation and Geoinformation, vol. 9, pp.403–413, 2007. [DOI:10.1016/j.jag.2007.02.002]
34. [34] X. Jin and C. H. Davis, "An integrated system for automatic road mapping from high-resolution multi-spectral satellite imagery by information fusion", Information Fusion, vol. 6, pp. 257–273, 2005. [DOI:10.1016/j.inffus.2004.06.003]
35. [35] A. Hamedianfar, H. Z. M., Shafri, S.Mansor, and N. Ahmad, "Improving detailed rule-based feature extraction of urban areas from WorldView-2 image and lidar data", International Journal of Remote Sensing, vol. 35, pp. 1876–1899, 2014. [DOI:10.1080/01431161.2013.879350]
ارسال پیام به نویسنده مسئول



XML   English Abstract   Print


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

Nikfar M, Valadan Zoej M J, Mokhtarzade M, Aliyari Shoorehdeli M. Designing an object based rule set for road detection from high resolution satellite imagery. jgit. 2015; 3 (1) :77-94
URL: http://jgit.kntu.ac.ir/article-1-193-fa.html

نیک‌فر مریم، ولدان زوج محمدجواد، مختارزاده مهدی، علیاری شوره دلی مهدی. طراحی یک پایگاه قوانین عارضه مبنا جهت کشف عارضه راه از تصاویر ماهواره‌ای با حد تفکیک مکانی بالا. مهندسی فناوری اطلاعات مکانی. 1394; 3 (1) :77-94

URL: http://jgit.kntu.ac.ir/article-1-193-fa.html



دوره 3، شماره 1 - ( 3-1394 ) 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 0.04 seconds with 28 queries by YEKTAWEB 4311