fa ارزیابی توانایی الگوریتم سوپرپیکسل SLIC به‌همراه الگوریتم خوشه‌بندی DBSCAN در قطعه‌بندی تصاویر سنجش‌ازدوری با توان تفکیک مکانی بالا از مناطق شهری فتوگرامتری Aerial Photogrammetry پژوهشي Research <p dir="RTL" style="margin-top:0cm;margin-right:7.1pt;margin-bottom:0cm;margin-left:7.1pt;margin-bottom:.0001pt;"><span style="font-family:b nazanin;">استفاده از سوپرپیسکل‌ها به‌عنوان یک مرحله واسط بین پردازش در سطح پیکسل‌ها و سایر پردازش‌های تصویری کمک شایانی به ساده‌سازی و کاهش حجم محاسبات می‌کند. </span><span style="font-family:b nazanin;">در این پژوهش توانایی الگوریتم </span><span dir="LTR"><span style="font-size:8.0pt;">SLIC</span></span><span style="font-family:b nazanin;"> در تولید سوپرپیکسل‌ها و قطعات تصویری برای تصاویر سنجش‌ازدوری با توان تفکیک مکانی بالا مورد بررسی قرار گرفته است. در روش پیشنهادی سوپرپیکسل‌های مربعی و شش‌ضلعی مورد</span>&nbsp;<span style="font-family:b nazanin;">بررسی قرار گرفته‌اند. همچنین برای تولید قطعات تصویری با استفاده از سوپرپیکسل‌ها از خوشه‌بندی توسط الگوریتم </span><span dir="LTR"><span style="font-size:8.0pt;">DBSCAN</span></span><span style="font-family:b nazanin;"> استفاده‌شده است. این سوپرپیکسل‌ها و قطعات تصویری به سه صورت بصری، نظارت‌شده و نظارت‌نشده ارزیابی شده</span><span dir="LTR"><span style="font-family:b nazanin;">&lrm;</span></span><span style="font-family:b nazanin;">اند و بررسی‌ها نشان دادند که سوپرپیکسل‌ها و قطعات تصویری تولیدشده به روش پیشنهادی انطباق مناسبی با مرز عوارض موجود در تصویر دارند. علاوه بر این مقایسه</span>&nbsp;<span style="font-family:b nazanin;">نتایج کمی نشان داد که روش پیشنهادی در مقایسه با روش قطعه‌بندی </span><span dir="LTR"><span style="font-size:8.0pt;">FNEA</span></span><span style="font-family:b nazanin;"> نتایج قابل قبولی را تولید</span>&nbsp;<span style="font-family:b nazanin;">می‌کند.</span></p> <p>By increasing the spatial resolution of remote sensing imaging sensors, the image analyzing paradigm is<br> moving towards the object based image analysis approaches, instead of single pixels. Among the common<br> segmentation algorithms, super-pixel methods are presenting themselves as the new tools in computer vision.<br> In this paper, the capabilities of a state-of-the-art super-pixel algorithm, namely called SLIC, is investigated for<br> creating image segments from ultra-high resolution remote sensing images. In our proposed method, square<br> and hexagonal super-pixels were formed and then DBSCAN clustering algorithm is employed to build image<br> segments from these pixels. The results were compared to image segments obtained from FNEA algorithm, a<br> well-known method for remote sensing image segmentation. Visual and quantitative evaluations demonstrate<br> the efficiency of proposed method.</p> سوپر پیکسل, قطعه بندی, سنجش از دور, توان تفکیک مکانی بالا, تصویر Super-pixel, Segmentation, Ultra-high resolution Images, Remote Sensing. 89 109 http://jgit.kntu.ac.ir/browse.php?a_code=A-11-381-2&slc_lang=fa&sid=1 Ahmad Hadavand احمد هداوند ahadavand@ut.ac.ir 10031947532846004910 10031947532846004910 Yes University of Tehran دانشگاه تهران Mohamad Saadatseresht محمد سعادت سرشت 10031947532846004911 10031947532846004911 No University of Tehran دانشگاه تهران Saeed Homayouni سعید همایونی 10031947532846004912 10031947532846004912 No University of Ottawa دانشگاه اتاوا Zeinab Gharib Bafghi زینب غریب بافقی 10031947532846004913 10031947532846004913 No German Aerospace Center موسسه هوافضای آلمان