پایان نامه استخراج تغییرات ناحیه حاشیه شهری با استفاده از طبقه بندی و قطعه بندی تصاویر ماهواره ای با قدرت تفکیک بالا بر مبنای تحلیل در سیستم های اطلاعات جغرافیایی

word
80
8 MB
31320
1389
کارشناسی ارشد
قیمت: ۸,۰۰۰ تومان
دانلود فایل
  • خلاصه
  • فهرست و منابع
  • خلاصه پایان نامه استخراج تغییرات ناحیه حاشیه شهری با استفاده از طبقه بندی و قطعه بندی تصاویر ماهواره ای با قدرت تفکیک بالا بر مبنای تحلیل در سیستم های اطلاعات جغرافیایی

    پایان نامه‌ی کارشناسی ارشد رشته‌ی مهندسی نقشه برداری

     گرایش  سنجش از دور

    چکیده

    به ‌روزآوری پایگاه‌ های داده زمینی در محیط شهری کاری سخت و پر هزینه می‌باشد. تکنیک‌های سنجش از دور ماهواره‌ای به طور وسیعی در استخراج و کنترل تغییر پوشش زمین در مقیاس‌های مختلف مورد استفاده قرار گرفته‌اند که منجر به  ایجاد نتایج مفیدی شده‌اند. انجام این کار به کمک روشهای استخراج اتوماتیک تغییر آسان‌تر می شود. از طرف دیگر برای استخراج تغییر به شکل اتوماتیک دو استراتژی وجود دارد: مقایسه تصویر با نقشه و مقایسه تصویر با تصویر. روشهای استخراج تغییر اکثرا بر اساس مقایسه تصویر با تصویر هستند. در مقایسه تصویر با نقشه از نقشه موجود جهت پیدا کردن نواحی تغییر کرده در تصویری که اخیرا به دست آمده, استفاده می‌شود. جهت استخراج تغییرات می‌توان از دو شیوه پیکسل مبنا و شی مبنا استفاده کرد. تکنیک‌های پیکسل مبنا, روشهای سنتی آنالیز تصویر هستند و روند کار آنها به این صورت است که تفاوت‌های عوارض گوناگون را جستجو می‌کنند. اطلاعات تماتیک مورد نظر از این تفاوت‌ها, استخراج می‌شود. در بسیاری از کاربردها، نیاز به استخراج عوارضی است که از پیکسل‌های چندگانه تشکیل شده‌اند از جمله این عوارض جاده‌ها, ساختمان‌ها و غیره هستند. برای استخراج این عوارض نیاز به طبقه‌بندی گروهی پیکسل‌های نزدیک به یکدیگر است. در واقع در اینجا به جای استخراج پیکسل نیاز به استخراج شی وجود دارد. شی‌ها می‌توانند صدها ویژگی داشته باشند, مثل شکل, اندازه, پاسخ طیفی و غیره که این ویژگی‌ها می‌توانند برای آنالیز تصویر استفاده شوند. شی‌ها تعدادی ویژگی دارند که فقط در روشهای شی مبنا از آنها می‌توان استفاده کرد. برای استخراج عوارض نامشخص باید از اطلاعات اضافی مثل شکل و اندازه سایه‌ها استفاده کرد که دراشیاء, این موارد را می‌توان پیدا کرد. در این پژوهش یک روش جدید بر اساس شیوه‌ های شی مبنا, جهت استخراج اتوماتیک تغییرات ساختمان‌ها در محیط‌های شهری از تصاویری با قدرت تفکیک بالا و استفاده از پایگاه داده زمینی موجود ارائه می‌شود. روش مورد نظر از چند مرحله تشکیل شده است. در ابتدا پایگاه داده زمینی موجود از ساختمان‌ها و دیگر شی‌های شهری  مدل می‌شوند. سپس تصویر قطعه‌بندی می‌شود. در ادامه تصویر قطعه‌بندی شده با استفاده از پایگاه داده موجود مورد آنالیز قرار می‌گیرد تا به این ترتیب موقعیت قطعاتی که احتمالا تغییر ساختمان در آن رخ داده است شناسایی شود. در نهایت قوانین استخراج تغییر بر روی قطعات معین شده آزمایش می‌شوند و به این صورت قطعاتی که ساختمان‌های تغییر کرده را ارائه می‌دهند, مشخص گردند. در قسمت دوم این مطالعه, به جای قطعه‌بندی تصویر از روشهای مختلف دسته بندی استفاده شده است. از طرف دیگر در اجرای الگوریتم باید از ویژگی‌هایی استفاده شود که متناسب با منطقه بوده و منجر به نتایج قابل قبول شود. در این مطالعه از ویژگی‌های مختلف هندسی, بافتی و طیفی استفاده شد. الگوریتم مورد نظر در سه منطقه مورد آزمایش قرار گرفت. منطقه اول شامل 15 شی بود و تغییرات زیادی در این منطقه رخ نداده بود. منطقه دوم شامل 7 شی بود و عاری از تغییر بود. و در نهایت در منطقه سوم, 36 شی وجود داشت که نسبت به دو منطقه قبلی تغییرات بیشتری داشت. نتیجه روش پیشنهادی در هر سه منطقه قابل قبول بود و اکثر تغییراتی که در این مناطق به وقع پیوسته بودند, توسط این روش استخراج شدند. الگوریتم پیشنهادی تعدادی نقاط ضعف نیز دارد. این روش در استخراج حد فاصل دقیق بین ساختمان‌ها محدودیتهایی دارد. از طرف دیگر تعدادی از ساختمان‌های قدیمی توسط این روش به عنوان ساختمان جدید شناسایی شدند. از نکات دیگری که باید به آن اشاره کرد, بافت منطقه مورد مطالعه می‌باشد. داده‌هایی که در اینجا مورد استفاده قرار می‌گیرند, مربوط به حاشیه جنوبی شهر اصفهان هستند. ساختمان‌ها به شکل بلوک‌های کاملا پیوسته در این منطقه به چشم می‌خورند. از طرف دیگر نوع تصویر ماهواره‌ای که برای اجرای عملیات از آن استفاده می‌شود, نیز مهم است. قدرت تفکیک مکانی تصویر در استخراج تغییرات نقش مهمی دارد. در این تحقیق از یک تصویر Quickbird که در سال 2008 به دست آمده و همچنین نقشه 2000/1 سال 1375 شهر استفاده شده است.

    کلید واژه: استخراج تغییرات شهری, سنجش از دور, کلاس‌بندی و قطعه‌بندی تصویر, سیستم‌های اطلاعات جغرافیایی, قانون مبنا.

    فصل اول

    مقدمه

     

    1-1- مسأله پژوهش

    شهرسازی یک فرآیند اجتناب ناپذیر است که در نتیجه رشد سریع جمعیت و توسعه اقتصادی، اجتماعی به وجود می‌آید. حضور انسانها در مناطق شهری پر جمعیت به خصوص در کشورهای در حال توسعه باعث می‌شود که این مناطق دائما در حال تغییر باشند. از طرف دیگر حوادث طبیعی احتمالی مثل سیل و زلزله نیز باعث تغییر چهره مناطق شهری می‌شوند [16].

    برای غلبه بر مشکلات ناشی از این تغییر و برنامه‌ ریزی درست شهری، نیاز است که از این مناطق نقشه‌های به‌روز در دسترس باشد. به این ترتیب مسأله اصلی در برنامه‌ریزی شهری، نیاز مبرم به نقشه‌های به‌روز است. با توجه به تغییرات سریع و گسترده در مناطق شهری، توجه به تغییر پوشش‌ها و کاربری‌های زمین ضرورت دارد. همچنین با توجه به چگونگی گسترش شهر، پیش‌بینی تغییرات آینده و اتخاذ تصمیمات اساسی و برنامه‌ریزی شهری بر مبنای این تغییرات ضرورت دارد[1].

    در دهه‌های گذشته بررسی تغییرات پوشش و کاربری زمین بخش مهمی از مطالعات جهانی بوده است. این تغییرات نقش اساسی در تغییر محیط، آب و هوا، اکوسیستم و فعالیت‌های انسانی داشته است[3].

    این تغییرات فاکتور اصلی در تغییر جهان به علت فرآیند‌های اکوسیستم, چرخه‌های شیمیایی و از همه مهمتر فعالیتهای انسانی هستند. به همین علت تغییر پوشش و کاربری زمین بعنوان یک پروژه مهم در برنامه‌های سازمان‌های بین المللی مورد بحث قرار گرفته است. در سالیان گذشته توجه بیشتر, بر روی تغییر پوشش و کاربری زمین شهری بوده است. این امر به این علت است که اکوسیستم‌ها در نواحی شهری با وجود فعالیتهای بشری بیشتر تحت تاثیر قرار می‌گیرند[21] .

    مسأله به‌روز کردن نقشه منطقه شهری در کل دنیا یک امر ضروری و واجب است که برای برنامه‌ریزی شهری از اهمیت بالایی برخوردار است[30]. استخراج تغییرات از اهمیت بالایی در کاربردهای سنتی مثل کارتوگرافی و کاربردهای جدید مثل برنامه‌ریزی شهری و گرافیک کامپیوتری برخوردار است. به علت محدودیت منابع طبیعی فرآیندهای به‌روزآوری و تولید پایگاه داده زمینی باید به سرعت اجرا شوند[9].

    جهت شناسایی روند فعالیتهای انسان مانند توسعه صنعتی و تبدیل زمین‌های بایر به زمین‌های قابل کشت, اطلاع از تغییرات پوشش و کاربری زمین در طی دوره‌های زمانی مختلف اهمیت زیادی دارد. از طرف دیگر آگاهی از این تغییرات باعث می‌شود که برنامه مدونی برای رسیدن به یک رشد اقتصادی قوی در اختیار باشد و به این ترتیب رفاه اجتماعی در طی سالهای آینده افزایش یابد[2].

    پیشرفت‌های اخیر در تکنولوژی سنجش از دور و افزایش دسترسی به تصاویر ماهواره‌ای با قدرت تفکیک بالا باعث شده است که پتانسیل زیادی در تعیین و نمایش بخش وسیعی از مشکلات محیطی در نواحی شهری به وجود آید و به این ترتیب برنامه مدون ذکر شده در فوق با سرعت و دقت بیشتری اجرا گردد[6].

    روش سنجش از دور ماهواره‌ای به طور وسیعی در استخراج و کنترل تغییر پوشش زمین در مقیاس‌های مختلف مورد استفاده قرار گرفته که منجر به دستیابی به نتایج مفیدی شده‌ است. این امر به این دلیل است که سنجش از دور مجموعه داده‌های مکانی تهیه می‌کند که مناطق وسیعی با جزییات مکانی و بازه زمانی مناسب را پوشش می‌دهد[8].

    اگرچه در سنجش از دور استخراج اطلاعات هندسی از تصاویر در دهه اخیر سرعت گرفته است, اما حوزه فتوگرامتری چندین دهه است که برای جمع آوری اطلاعات در این زمینه استفاده می‌شود. در موارد زیادی هدف فتوگرامتری, به روزآوری نقشه از تصاویر هوایی با مقیاس بزرگ بوده است[26]. در دهه گذشته این هدف تغییر کرده است. به این شکل که فتوگرامتری هم اکنون برای به روزآوری یک پایگاه داده GeoSpatial (مکانی یا مکانمند) بر مبنای تصاویر هوایی اسکن شده یا تصاویر هوایی که به طور مستقیم از سنجنده‌های رقومی بدست آمده‌اند, استفاده می‌شود و طبیعت داده‌های جمع آوری شده ‌با داده‌های کارتوگرافیکی قدیمی متفاوت است[8].

    آنالیز تصویر حاصل از داده‌های سنجش از دوری, علمی است فرای استخراج اطلاعات از پیکسل‌های درون یک Scene یا تصویر[29]. در دهه‌های گذشته سنجنده‌های چند طیفی برای سنجش از دور طراحی شده‌اند که می‌توانند از انرژی منعکس شده از اشیاء گوناگون روی زمین در طول موج‌های مرئی و مادون قرمز نزدیک طیف الکترو‌مغناطیس استفاده کنند. بعضی از سنجنده‌ها در طیف حرارتی داده تهیه می‌کنند. در حالیکه اغلب سنجنده‌های تجاری امروزی, داده‌ها را در نواحی مرئی و مادون قرمز نزدیک ذخیره می‌کنند[5].

    به‌روز کردن نقشه‌های شهری کاری دشوار و پرهزینه است. این فرآیند دشوار می‌تواند با مقایسه یک تصویر ماهواره‌ای از وضعیت فعلی و نقشه موجود از منطقه و یا مقایسه دو تصویر در دو زمان مختلف به شکل ساده‌تری انجام گیرد[28].  فرآیند به‌روزآوری نقشه به سه مرحله تقسیم می‌شود که عبارتند از[2]

    شناسایی تغییرات

    استخراج تغییرات

    ذخیره تغییرات

    در اولین گام بایستی نوع تغییرات برای به‌روزآوری نقشه مشخص شود. به عنوان مثال تغییر از یک ناحیه بایر به ناحیه ساختمانی یا تغییر از یک ناحیه بایر به فضای سبز [17] .

    تشخیص تغییرات عوارض ساخته دست انسان مثل ساختمان‌ها با استفاده از تصاویر ماهواره‌ای یکی از کاربردهای مهم سنجش از دور است. با توجه به اینکه شناسایی تغییرات توسط چشم بشر کاری زمانبر و با دقت پایین می‌باشد، توسعه روشهای استخراج تغییر به صورت اتوماتیک امری اجتناب ناپذیر می‌شود. این روشها در سه سطح انجام می‌شوند: استخراج تغییرات کلی، استخراج تغییرات جزیی و آنالیزهای تغییر[9].

     میزان‌ صحت و‌ دقت تغییرات استخراج شده نیز باید معین شود.‌ جهت شناسایی جزییات تغییرات نیاز به روشهای دقیق (در سطح جزییات) می‌باشد. چنین تغییراتی می‌توانند از طریق بالا رفتن قدرت تفکیک  ماهواره استخراج شوند. این امر باعث می‌شود که فرآیند به‌روزآوری نقشه در سطح جزییات امکان پذیر گردد [19].

    چندین روش اتوماتیک جهت استخراج اتوماتیک تغییرات بر اساس تصاویر ماهواره‌ ایی پیشنهاد شده است. این روشها بین روشهای نیمه اتوماتیک و تمام اتوماتیک, روشهای پیکسل مبنا و Object(شی) مبنا و همچنین روشهای مبتنی بر ویژگی‌های طیفی و مبتنی بر هوش مصنوعی تغییر می‌کنند. از طرف دیگر برای استخراج تغییر به شکل اتوماتیک دو استراتژی وجود دارد: مقایسه تصویر با نقشه و مقایسه تصویر با تصویر. روشهای استخراج تغییر اکثرا بر اساس مقایسه تصویر با تصویر هستند. به این صورت که پیکسل به پیکسل دو تصویر که در دو تاریخ مختلف به دست آمده‌اند, با هم مقایسه می‌شوند و به این ترتیب یک تصویر که تغییرات به وجود آمده در فاصله زمانی معین شده را نشان می‌دهد, به دست می‌آید[6]. ولی در مقایسه تصویر با نقشه از  نقشه موجود جهت پیدا کردن نواحی تغییر کرده در تصویری که اخیرا به دست آمده, استفاده می‌شود. به دلیل اینکه نقشه یک ارائه انتزاعی و کلاس‌بندی شده از حقیقت است, مسئله مقایسه تصویر با نقشه با مقایسه تصویر با تصویر متفاوت است[2].

    اخیرا سنجش از دور در ترکیب با سیستم‌ های اطلاعات جغرافیایی و سیستم‌های تعیین موقعیت ماهواره‌ایی, جهت استخراج تغییر پوشش زمین استفاده شده است. نتیجه این امر می‌تواند به عنوان یک منبع داده در آنالیز و طراحی رشد شهری و همین طور استخراج تغییر پوشش و کاربری زمین مورد استفاده قرار گیرد[7].

    1-2-تاریخچه و تحلیل سوابق کار

    در مطالعات پیشین از دو استراتژی جهت استخراج تغییرات استفاده شده است. این استراتژی‌ها عبارتند از:مقایسه تصویر با تصویر و مقایسه تصویر با نقشه[8],[2].

    استراتژی اول یعنی مقایسه تصویر با تصویر یک شیوه سنتی استخراج تغییرات است. اساس این استراتژی مقایسه پیکسل به پیکسل دو تصویر می‌باشد. برای انجام این مقایسه از سه روش مختلف می‌توان استفاده کرد. این روشها عبارتند از: 1-استفاده از اپراتورهای ریاضی 2-انتقال تصویر 3-طبقه‌بندی تصاویر.

    روش سوم در بسیاری از تحقیقات و مطالعات پیشین به کار رفته است. یکی از تحقیقات اخیر در این زمینه در کشور ژاپن و برای شهر Sukuba انجام شده است[6]. در این تحقیق بین نتایج حاصل از چهار روش کلاس‌بندی  که در بخش قبلی به آنها اشاره شد, مقایسه‌ای صورت گرفته است. در نهایت روش چهارم نسبت به سه روش دیگر نتایج بهتری ارائه داده است. این تحقیق تنها از استراتژی مقایسه تصویر با تصویر استفاده کرده است و در زمینه مقایسه تصویر با نقشه کاری صورت نداده است.

    در کشور آفریقایی مصر نیز مطالعاتی انجام گرفته است[10]. به عنوان مثال در کشور مصر و در منطقه شمال‌غربی این کشور تحقیقی صورت گرفته است. در این تحقیق با استفاده از دو روش کلاس‌بندی نظارت‌شده  و نظارت‌نشده ( Unsupervised) نتیجه زیر حاصل شده است. در طی یک دوره چهارده ساله در این محدوده مناطق مسکونی حومه شهری و زمین‌های کشاورزی اطراف این ناحیه رشد چشم‌گیری داشته‌اند[10]. این تحقیق نگاه یک بعدی به مسئله مورد نظر داشته است. در واقع توجه تحقیق بیشتر بر روی تغییرات زمین‌های کشاورزی بوده است.

    در آفریقای مرکزی در شهر Belize پژوهشی برای نمایش تغییرات در پوشش و کاربری زمین در یک فاصله زمانی ده ساله بین سالهای 1993 تا 2003 انجام گرفته است[11]. این تحقیق به کمک یک روش استخراج تغییر رقومی و استفاده از دو تصویر ماهواره ای Landsat که در دو تاریخ مذکور تهیه شده‌اند, پیاده‌سازی شده است. تصاویر ماهواره‌ای با استفاده از استراتژی پیکسل مبنا و بهره بردن از یک روش طبقه‌بندی نظارت‌نشده و بهره‌گیری از نرم افزار ENVI دسته‌بندی شده‌اند. تصاویر طبقه‌بندی شده با یکدیگر مقایسه شده و نتایج زیر به دست آمده‌اند.

    با مقایسه زمین واقعی و نتیجه طبقه‌بندی صحتی که حاصل شده,  92% بوده است. از طرف دیگر توسعه شهری با نرخ 12% در سال به وقوع پیوسته است که این نرخ در مقایسه با رشد جمعیت که 3.5% در سال است, رشد سریعتری را نشان می‌دهد. علاوه بر این زمین‌های کشاورزی با نرخ 32 مایل مربع در سال توسعه یافته‌اند. توسعه شهر, توسعه زمین‌های کشاورزی و فقدان پوشش جنگل, سه عاملی بودهآند که باعث ایجاد نرخ از بین رفتن جنگل 35 مایل مربع در سال شده‌اند. این تحقیق اطلاعات مفیدی را برای دولت Belize جهت دستیابی به توسعه پایدار تهیه می‌کند.

    از مواردی که در این تحقیق به چشم می‌خورد, عدم استفاده از تصاویر ماهواره‌ای با قدرت تفکیک بالا است. این امر به این دلیل است که این کار به صورت بسیار کلی انجام گرفنه است. نکته‌ای که در این تحقیق وجود دارد, استفاده از یک روش دسته‌بندی نظارت‌نشده است, که باعث می‌شود بدون داشتن اطلاعات از زمین واقعی, روند پیاده‌سازی عملیات را انجام داد.

    در کشور چین برای استخراج روند توسعه شهری, به کمک تکنیک‌های سنجش از دور و سیستم‌های اطلاعات جغرافیایی تحقیقی انجام گرفته است[12]. این مطالعه برای دوره زمانی 1934 تا 2001 انجام شده است. هم چنین روند تغییر پوشش و کاربری زمین بین سالهای 1987 تا 2001 نیز بررسی شده است. توسعه شهری در بعضی مواقع سریع و دربعضی مواقع کند بوده است. رشد سریع در قسمتهای غربی و شرقی شهر رخ داده است. الگوهای مکانی رشد شهری به سه نوع تقسیم شده است: رشد از نظر اجتماعی-سیاسی, رشد مکان‌های ویژه و رشد نرمال شهر. تغییر پوشش و کاربری زمین در طی سالهای مذکور نیز بسیار زیاد بوده است. در نهایت به این نتیجه رسیده اند که جمعیت, شرایط ترافیکی, صنعتی شدن و سیاست, فاکتورهای اصلی در وقوع این تغییرات هستند. برای پیاده سازی این پژوهش از دو تصویر ماهواره ای TM و ETM+ استفاده شده است. این دو تصویر با استفاده از یک کلاسیفایر Maximum Likelihood دسته‌بندی شده و با یکدیگر مقایسه شدند. در این تحقیق فقط از یک نوع روش دسته بندی استفاده شده است. از طرف دیگر در این مطالعه نیز از تصاویر ماهواره‌ای با قدرت تفکیک بالا استفاده نشده است.    

    استخراج تغییرات از تصاویر ماهواره‌ای با قدرت تفکیک‌های مختلف در زمینه‌های مدیریت محیط نیز مورد مطالعه قرار گرفته است[13]. در تحقیق مذکور از دو تصویر ماهواره‌ای مختلف استفاده شده است. از تصویر Modis جهت استخراج تغییرات محیطی در مناطقی با وسعت زیاد و از تصویر ماهواره Landsat TM نیز برای ایجاد نقشه پوشش زمینی استفاده شده است. در نهایت با مقایسه نتایج به دست آمده با نقشه وضعیت موجود به یک صحت 59% در اجرای عملیات دست یافته است.

    در کشور فرانسه پژوهشی در زمینه استخراج ساختمان‌ها‌ از تصاویر هوایی انجام گرفته است[15]. در این تحقیق با ترکیب اطلاعات دو بعدی و سه بعدی, عوارض ساخته شده توسط بشر مثل ساختمان‌ها‌ استخراج می‌شوند. این عملیات بر روی تصاویر هوایی با قدرت تفکیک متوسط و بالا انجام شده است. در نهایت این نتیجه حاصل شده است که تصاویر هوایی با قدرت تفکیک متوسط, نمی‌توانند نتیجه‌ای که برای تصاویر هوایی با قدرت تفکیک بالا حاصل می‌شود را ایجاد کنند. برای رسیدن به این امر باید الگوریتم‌های کلاسیکی که در تحقیق از آنها استفاده شده است, به روز شود و از تکنیک‌های جدید برای استخراج ساختمان‌ها‌ در نواحی شهری استفاده شود. 

    در کشور ایران هم تحقیقاتی از این دست صورت گرفته است. به عنوان مثال در شهر سنندج به بررسی روند و چگونگی توسعه شهری با استفاده از GIS و RS پرداخته شده است. در این تحقیق چنین نتیجه‌گیری شده است که توسعه اولیه شهر سنندج بیشتر به صورت افقی بوده و با توجه به این گسترش افقی توسعه عمودی در آینده می‌تواند مورد توجه قرار بگیرد[29]. در این مطالعه از مقایسه تصویر با تصویر استفاده شده و فقط روش کلاس‌بندی نظارت‌شده به کار گرفته شده است.

    در شهر تهران هم تحقیقی تحت عنوان ارائه مدل‌های توسعه شهری با کاربرد سامانه‌های GIS و RS و مدل‌های زیست محیطی انجام شده است. نتایج حاصله به این گونه بوده که روند توسعه بسیار شتاب داشته و به نابودی و تخریب منابع طبیعی منطقه منجر شده است. به این ترتیب با توجه به ظرفیتها و محدودیتهای طبیعی کشور و منطقه، محدودیت شدید ناحیه‌ای برای توسعه شهری مشخص شده است. از طرف دیگر در طرح‌های تفصیلی به این محدودیتها توجه نشده و باید در اصلاح طرح‌ها به این محدودیتها پرداخته شود[30]. در این مطالعه نیز از مقایسه تصویر با تصویر استفاده شده است. این تحقیق از منظر تاثیرهایی که تغییرات روی محیط زیست می‌گذارد به مسئله نگاه کرده است.

    در مقاله‌ای راجع به آنالیز های تصویر با استفاده از روشهای شی مبنا بحث شده است[14]. مزیت‌های روش شی مبنا نسبت به روشهای پیکسل مبنا, استخراج ویژگی‌های مختلف از شی‌ها و معرفی بعضی از ماهواره‌ها و نرم افزارهایی که باعث پیشرفت در روشهای شی مبنا بوده‌اند, در این مقاله بررسی شده است.

    در زمینه استخراج تغییر به وسیله طبقه‌بندی شی مبنا نیز مطالعاتی صورت گرفته است[3]. در این تحقیق یک روش استخراج تغییر مبتنی بر طبقه‌بندی شی مبنا معرفی شده است. در اینجا پیکسل‌ها به صورت منفرد دسته بندی نمی‌شوند, بلکه این کار به صورت گروهی از پیکسل‌ها که شی‌های موجود در پایگاه داده سیستم‌های اطلاعات جغرافیایی را تشکیل می‌دهند, انجام می‌گیرد. یک بردار ویژگی چند بعدی تعریف می‌شود, که این بردار فقط شامل ویژگی‌های طیفی شی‌ها, مثل میانگین و انحراف معیار باندهای طیفی می‌باشد. با بررسی 951 شی به 82 تغییر دست یافته است. از این 82  شی, 45% تغییرات واقعی بوده است, 31% تغییراتی که در آینده رخ خواهد داد و 23% نیز به اشتباه به عنوان تغییر تشخیص داده شده‌اند. امتیاز بزرگ این تحقیق در این است که استخراج تغییر را در تمامی پوشش‌های زمینی دنبال کرده است. نکته دیگری که در اینجا باید به آن اشاره کرد این است که در بردار ویژگی‌ها, از ویژگی‌های بافتی و همین‌طور ویژگی‌های هندسی استفاده نکرده است.

    مواردی که تا به حال مورد بررسی قرار گرفت مربوط به مقایسه دو تصویر بود. در زمینه مقایسه تصویر با نقشه تحقیقی در دو شهر Sherbrooke در کانادا و Rabat در کشور مراکش (جهت استخراج تغییرات ساختمانها) انجام گرفته است[2]. در این تحقیق مقایسه‌ای بین یک تصویر با قدرت تفکیک بالا و پایگاه داده زمینی موجود صورت گرفته است. پایگاه داده شامل نقشه و اطلاعات اولیه از منطقه بوده است. برای انجام این کار از یک الگوریتم قطعه‌بندی(Segmentation) که بر اساس شی‌های موجود در نقشه پیاده گردیده استفاده شده است. در نهایت نیز در یک پروسه چند مرحله‌ای تغییرات ساختمان‌ها را استخراج کرده است. در این مطالعه، در زمینه کنترل کیفیت کار چندانی صورت نگرفته است.

    در تحقیقات قبل مفاهیمی دنبال شده‌اند که در اینجا به طور مشخص لازم است, ارائه شده و در فصلهای بعدی بر اساس همین مفاهیم, روش این تحقیق و نتایج آن طرح و ارزیابی شوند. مهمترین مفهوم در میان این مفاهیم, مفهوم شی و روش شی مبنا است. شی مجموعه متصلی از پیکسل‌های تصویر است که دارای شباهت درونی با هم و تمایز بیرونی با اشیاء مجاور باشد.

    شی‌ها می‌توانند صدها ویژگی داشته باشند, مثل شکل, اندازه, پاسخ طیفی و غیره که می‌توانند برای آنالیز تصویر استفاده شوند. شی‌ها تعدادی ویژگی دارند که فقط در روشهای شی مبنا از آنها می‌توان استفاده کرد. برای مثال می‌توان از شکل و اندازه اجسام آبی جهت تشخیص آنها استفاده کنیم (رودخانه و دریاچه و غیره). برای مدل کردن پیچیدگی محیط شهری باید از تمامی اطلاعات موجود در شی‌ها مثل رنگ, بافت, شکل و همچنین پارامترهای مفهومی مثل ارتباط با همسایه‌ها استفاده کرد[2]. از طرف دیگر استفاده از پایگاه داده موجود این اجازه را به کاربر می‌دهد تا با جستجو در اطلاعات اضافی شی‌ها نتایج بهتری به دست آورد

    Change Detection of Suburban Region Using Classification and Segmentation of Remote Sensing High Spatial Resolution Images and GIS Analysis

    Abstract

    The updating of geodatabases in urban environments is a difficult and expensive task. Satellite remote sensing techniques in mining and land-cover change on widely different scales are used to produce useful results that are. It may be facilitated by automatic change detection methods. On the other hand two automatic change detection strategies are: image-image comparison and image-map comparison. Change detection approaches are mostly based on image-image comparison. Image map comparison consists of using an existing map to find the areas of changr from a recent image. For the change detection can be used from the pixel-based and object-based methods. Pixel based techniques are traditional methods of image analysis and their process is to explore the differences between the various features. Thematic information is extracted about these differences. In manu applications, the need to detect the features that consist of multiple pixels including the effects of roads, buildings, etc. For the extraction of these features is needed to classify a group of pixels close to each other. Here, instead of extracting the pixels are needed to extract the object. Objects can have hundreds of attributes, such as shape, size, spectral response, etc. These attributes can be used for image analysis. Objects have properties that only can be used on objects-based methods for the extraction of features must be used of additional information such as shape and size of the shadow that objects, these cases can be found. This study proposes a new approach based on object-based methods for automatic change detection of buildings in urban environments from very high spatial resolution images and using existing geodatabase. The proposed methodology is composed of several stages. The existing knowledge on the buildings and the other urban objects are first modelled. Then, the image is segmented. Thereafter, the segmented image is analyzed using the knowledge base to localize the segments where the change of  building is likely to occur. Finally, the change detection rules are then applied on these segments to identify the segments that represent the changes of  buildings. In the second part of this study, are used of the different methods classification instead of segmentation. On the other hand the algorithm must be used that fits characteristics of the area and will lead to acceptable results. In the study was used various geometric features, textures and spectral features. The algorithm was tested in three regions. The first area consists of 15 objects and many changes had not occurred in this area. The second area consists of 7 objects, and was free to change. And finally the third area, there were 36 objects. The change was more than double the previous. The proposed method was acceptable in all three regions. Most of the changes happening in these regions were detected by this method. The proposed algorithm has a number of weaknesses. This method presents some limitations on the detection of the exact contours of the buildings . On the other hand, the number of old buildings by this method were identified as new building. Another point that should be it noted, is the context of the study area. The data used in this research concern the southern border of the city of ISFAHAN. In this area the buildings are absolutely continuous blocks. On the other hand the satellite image of the operation it is also important. Spatial resolution of image plays an important role in changes detection. In this study of a Quickbird image obtained in 2008 and the map 1/2000 in 1375 shamsi(1996) has been used.    

    Keywords: Urban Change Detection, Remote Sensing, Image Classification & Image Segmentation, GIS Analysis, Rule Base  

  • فهرست و منابع پایان نامه استخراج تغییرات ناحیه حاشیه شهری با استفاده از طبقه بندی و قطعه بندی تصاویر ماهواره ای با قدرت تفکیک بالا بر مبنای تحلیل در سیستم های اطلاعات جغرافیایی

    فهرست:

    فصل اول: مقدمه

    1-1-مسأله پژوهش... 1

    1-2-تاریخچه و تحلیل سوابق کار 4

    1-3- اهداف تحقیق.. 10

    1-4-ساختار پایان‌نامه. 11

    فصل دوم: داده‌ها

    2-1- معرفی داده‌ها 12

    2-2-پیش پردازش داده‌ها 20

    فصل سوم: روش کار

    3-1-مدلسازی.. 24

    3-1-1-تعریف کلاسهای شی و ویژگی‌های آنها 24

    3-1-2-انتقال بین کلاسها 25

    3-1-3-تبدیل اطلاعات به قوانین.. 25

    3-2-روش‌های قطعه‌بندی.. 27

    3-2-1-روش K-means. 28

    3-2-2-روش رشد ناحیه. 28

    3-3-آموزش... 29

    3-3-1-آموزش ویژگی‌های طیفی ‌ساختمان‌ها‌ 29

    3-3-2-آموزش ویژگی‌های هندسی‌ ساختمان‌ها‌ 29

    3-3-3-آموزش ویژگی‌های بافتی ‌ساختمان‌ها‌ 29

    3-4-استخراج تغییر ساختمان‌ها‌ 30

    3-5-طبقه‌بندی نظارت نشده 33                                                                                                                         

    3-6-طبقه‌بندی نظارت شده 37

    أ

    3-7-طبقه‌بندی نظارت شده قانون مبنا 38

     

    3-8- طبقه‌بندی ترکیبی بر مبنای پس پردازش GIS. 39

    فصل چهارم: نتایج

    4-1-نتایج الگوریتم‌های قطعه‌بندی.. 40

    4-2-نتایج روش دسته‌بندی نظارت شده 42

    4-3-نتایج روش دسته‌بندی نظارت نشده 48

    4-4-نتایج روش دسته‌بندی قانون مبنا نظارت شده 53

    4-5-نتایج روش دسته‌بندی ترکیبی بر مبنای پس پردازش GIS. 57

    فصل پنجم: نتیجه گیری

     منابع و مآخذ..................................................................................................................................................... 6

     

    منبع:

    منابع شامل کتاب و مقالات هستند که منابع مقاله‌ای دو دسته هستند شامل:

    الف-منابع انگلیسی‌‌که عبارتند از:

    [1] D.A.Holland and Boyd,‌‌‌‌‌‌‌‘‘Updating topographic mapping using imagery from high resolution satellite sensors” ISPRS Journal of Photogrametry and Remote Sensing,Vol. 60, No. 3, pp. 212-223, 2006.

    [2]M.Bouziani and K.Goïta and D.C.He,‘‘Automatic change detection of buildings in urban environment from very high spatial resolution images using existing geodatabase and prior knowledge” ISPRS Journal of  Photogrammetry and Remote Sensing, Vol. 58, No. 3-4, pp. 1-11, 2009.

    [3]V.Walter, ‘‘Object-based classification of remote sensing data for change detection” ISPRS Journal of  Photogrammetry and Remote Sensing, Vol. 58, No. 3-4, pp. 225-238, 2004.

    [4]J.F.Mas,‘‘A comparison of change detection techniques” International Journal of  Remote Sensing, Vol. 20, No. 1, pp. 139-152, 1999.

    [5]D.Lu and P.Mausel and E.Brondizio and E.Moran,‌‌‘‘Change detection techniques” International Journal of  Remote Sensing, Vol. 25, No. 12, pp. 2365-2407, 2003.

    [6]R.B.Thapa and Y.Murayama, ‘‘Urban mapping, accuracy, & image classification: A comparison of multiple approaches in Tsukuba City, Japan” ISPRS Journal of Photogrammetry and Remote Sensing,  Vol. 58, No. 3-4, pp. 162-182, 2009.

    [7]M.Song and D.Civco, ‘‘Road extraction using SVM and image segmentation” Photogrammetric Engineering & Remote Sensing, Vol. 70, No. 12, pp. 1365-1371, 2004.

    [8]K.Navulur,‘‘multispectral image analysis using the object-oriented paradigm”, London, Taylor & Francis, 2006.

    [9]F. Armenakis and C. Leduc and F.Cyra and I. Savopola and F.Cavayas,  ‘‘A comparative analysis of scanned maps and imagery for mapping applications”. ISPRS Journal of Photogrammetry and Remote Sensing, Vol. 29, No. 6, pp. 755-769, 2002.

    [10]R.Shalaby and A.Tateishi, ‘‘Remote sensing and GIS for mapping and monitoring land cover and land-use changes in the Northwestern coastal zone of Egypt”. ISPRS Journal of Photogrammetry and Remote Sensing, Vol. 58, No. 3-4, pp. 140-151, 2007.

    67

    [11]EK.Edgar, ‘‘Monitoring Land Use And Land Cover Changes In Belize”. A thesis presented to the faculty of the College of Arts and Sciences of Ohio University, 2004.

    [12]X.Jieying and Y.Shen and J.Ge and R.Tateishi and C.Tang and Y.Liang and Z.Huang, ‘‘evaluating urban expansion and land use change in Shijiazhuang, China, by  using GIS and remote sensing”. Landscape And Urban Planning , Vol. 75, No. 3-4, pp. 69-80, 2006.

    [13]A.D.Pape, ‘‘Multiple spatial resolution image change detection for enviromental management application”. A thesis submitted to the College of Graduate Studies and Research at the University of Saskatchewan in partial fulfillment of the requirements for the degree Master of Science in Geography,  2006.

    [14]T.Blaschke, ‘‘Object based image analysis for remote sensing”. ISPRS Journal of Photogrammetry and Remote Sensing, Vol. 65, No. 3-4, pp. 2-16, 2010.

    [15]M.Chord and M.Jordan and J.P.Cocqueres, ‘‘Building detection and reconstruction from mid- and high resolution aerial imagery ”. Computer Vision And Image Understanding, Vol. 72, No. 2, pp. 122-142, 1998.

    [16]J.A.Richards and X.Jia, ‘‘Remote sensing digital image analysis ”. Conberra, 2005.

    [17]M.V.K.Sivakumar and P.S.Roy and K.Harmsen and S.K.Saha, ‘‘Satelite remote sensing and GIS application in agricultural meteorology ”.  Dehra Dun, 2003.

    [18]S.Theodoridis and K.Koutroumbas, ‘‘Pattern Recognition”. London  , Taylor & Francis, 2003.

    [19]C.Zhang, ‘‘Towards an operational system for automated updating of road databases by integration of  imagery and geodata”. ISPRS Journal of Photogrammetry and Remote Sensing, Vol. 58, No. 3-4, pp. 166-186, 2004.

    [20]M.Bouziani and K.Goïta and D.C.He,‘‘Change detection of buildings in urban environment from high spatial resolution satellite images using existing cartographic data and prior knowledge”,International Geoscience And Remote Sensing Symposium Vol. 58, pp. 2581-2584, 2007.

    [21]J.Rogan and D.M.Chen,‘‘Remote sensing technology for mapping and monitoring land-cover and land-use change”,Progress In Planning Vol. 61, pp. 301-325, 2004.

    68

    [22]Y.Q.Wang,‘‘Remote sensing and modeling in regional land cover change study”,Symposium On Geospatial Theory, Processing And Application pp. 123-127, 2002.

    [23]P.Gamba and F.D.Acqua and B.V.Dasarathy,‘‘Urban remote sensing using multiple data sets: Past, present, and future”,International Geoscience And Remote Sensing Symposium Vol. 6, pp. 319-326, 2005.

    [24]Z.Islam,‘‘Fractals and fuzzy  sets for  modeling the heterogeneity  and spatial complexity of urban landscapes using multiscale remote sensing data”, A thesis is presented as part of the requirements for the award of the degree of Doctor of Philosophy of the Curtin University of  Technologt , 2004.

    [25]A.Devilles,‘‘Four fuzzy supervised classification methods for discriminating classes of non-convex shape”, ISPRS Journal of Photogrammetry and Remote Sensing, Vol. 141, pp. 219-240, 2004.

    [26]M.Herold and M.E.Gardner and D.A.Roberts,‘‘Spectral resolution requirements for mapping urban areas”, IEEE Transactions on Geoscience and Remote Sensing, Vol. 41, No. 2,  pp. 1907-1919, 2003.

    [27]H.S.Sudhira and T.V.Ramachandra,‘‘Characterising urban sprawl from remote sensing data and using landscape metrics”, Computers in Urban Planning and Urban Management, Vol. 198, No. 10,  pp. 1-12, 2005.

    [28]H.S.Sudhira and T.V.Ramachandra,‘‘Digital change detection methods in ecosystem monitoring”, International Journal Remote Sensing, Vol. 25, No. 9, pp. 1565-1589, 2004.

    ب-منابع فارسی که عبارتند از:

    29-پور احمد، احمد و یدقار، علی و حبیبی، کیومرث، بررسی روند و الگوی توسعه شهری سنندج با استفاده از GIS و RS، نشریه هنرهای زیبا، شماره 16، زمستان 1382، صفحات 31-15

    30-عباسپور، مجید و قراگوزلو، علیرضا، ارائه مدل‌های توسعه شهری با کاربرد سامانه‌های GIS و RS مدل‌های زیست محیطی، پایگاه ملی داده‌های علوم زمین کشور، 1381، صفحات 60-54



تحقیق در مورد پایان نامه استخراج تغییرات ناحیه حاشیه شهری با استفاده از طبقه بندی و قطعه بندی تصاویر ماهواره ای با قدرت تفکیک بالا بر مبنای تحلیل در سیستم های اطلاعات جغرافیایی, مقاله در مورد پایان نامه استخراج تغییرات ناحیه حاشیه شهری با استفاده از طبقه بندی و قطعه بندی تصاویر ماهواره ای با قدرت تفکیک بالا بر مبنای تحلیل در سیستم های اطلاعات جغرافیایی, پروژه دانشجویی در مورد پایان نامه استخراج تغییرات ناحیه حاشیه شهری با استفاده از طبقه بندی و قطعه بندی تصاویر ماهواره ای با قدرت تفکیک بالا بر مبنای تحلیل در سیستم های اطلاعات جغرافیایی, پروپوزال در مورد پایان نامه استخراج تغییرات ناحیه حاشیه شهری با استفاده از طبقه بندی و قطعه بندی تصاویر ماهواره ای با قدرت تفکیک بالا بر مبنای تحلیل در سیستم های اطلاعات جغرافیایی, تز دکترا در مورد پایان نامه استخراج تغییرات ناحیه حاشیه شهری با استفاده از طبقه بندی و قطعه بندی تصاویر ماهواره ای با قدرت تفکیک بالا بر مبنای تحلیل در سیستم های اطلاعات جغرافیایی, تحقیقات دانشجویی درباره پایان نامه استخراج تغییرات ناحیه حاشیه شهری با استفاده از طبقه بندی و قطعه بندی تصاویر ماهواره ای با قدرت تفکیک بالا بر مبنای تحلیل در سیستم های اطلاعات جغرافیایی, مقالات دانشجویی درباره پایان نامه استخراج تغییرات ناحیه حاشیه شهری با استفاده از طبقه بندی و قطعه بندی تصاویر ماهواره ای با قدرت تفکیک بالا بر مبنای تحلیل در سیستم های اطلاعات جغرافیایی, پروژه درباره پایان نامه استخراج تغییرات ناحیه حاشیه شهری با استفاده از طبقه بندی و قطعه بندی تصاویر ماهواره ای با قدرت تفکیک بالا بر مبنای تحلیل در سیستم های اطلاعات جغرافیایی, گزارش سمینار در مورد پایان نامه استخراج تغییرات ناحیه حاشیه شهری با استفاده از طبقه بندی و قطعه بندی تصاویر ماهواره ای با قدرت تفکیک بالا بر مبنای تحلیل در سیستم های اطلاعات جغرافیایی, پروژه دانشجویی در مورد پایان نامه استخراج تغییرات ناحیه حاشیه شهری با استفاده از طبقه بندی و قطعه بندی تصاویر ماهواره ای با قدرت تفکیک بالا بر مبنای تحلیل در سیستم های اطلاعات جغرافیایی, تحقیق دانش آموزی در مورد پایان نامه استخراج تغییرات ناحیه حاشیه شهری با استفاده از طبقه بندی و قطعه بندی تصاویر ماهواره ای با قدرت تفکیک بالا بر مبنای تحلیل در سیستم های اطلاعات جغرافیایی, مقاله دانش آموزی در مورد پایان نامه استخراج تغییرات ناحیه حاشیه شهری با استفاده از طبقه بندی و قطعه بندی تصاویر ماهواره ای با قدرت تفکیک بالا بر مبنای تحلیل در سیستم های اطلاعات جغرافیایی, رساله دکترا در مورد پایان نامه استخراج تغییرات ناحیه حاشیه شهری با استفاده از طبقه بندی و قطعه بندی تصاویر ماهواره ای با قدرت تفکیک بالا بر مبنای تحلیل در سیستم های اطلاعات جغرافیایی

ثبت سفارش
تعداد
عنوان محصول
بانک دانلود پایان نامه رسا تسیس