مهندسی فناوری اطلاعات مکانی، جلد ۴، شماره ۴، صفحات ۳۳-۵۱
عنوان فارسی شناسایی ساختمان در مناطق شهری با استفاده از تلفیق ویژگی های تصاویر نوری و راداری در شبکه‌های عصبی
چکیده فارسی مقاله در این مقاله، تصاویر پانکروماتیک، چندطیفی و رادار با گشودگی ترکیبی (SAR) باهدف شناسایی ساختمان تلفیق‌شده‌اند. این تلفیق به‌منظور رفع نواقص و ضعف­های مجموعه داده‌های تک منبعی می‌باشد. به همین منظور ابتدا سه مجموعه داده به‌صورت جداگانه مورد ارزیابی قرارگرفته است که از برخی ویژگی‌های ورودی پیشنهادی برای شناسایی ساختمان استفاده‌شده است. سپس این ویژگی‌ها در ترکیب‌های مختلف با یکدیگر تلفیق‌شده و نتایج مورد مقایسه قرارگرفته‌اند. در تمامی بررسی‌ها، شبکه عصبی مصنوعی اعمال‌شده و عملکرد آن‌ها در پوشش‌های مختلف سقف‌های ساختمان مورد ارزیابی قرارگرفته است. نتایج حاصل نشان می‌دهد که روش بهینه تلفیق شناسایی ساختمان‌ها، بیش از 10% ضریب کاپا را افزایش می‌دهد. همچنین استراتژی تلفیق پیشنهادی منجر به حداقل 8 برابر بهتر شدن همگنی نتایج شناسایی‌شده در انواع مختلف سقف شده است. بنابراین نتایج حاصل از روش پیشنهادی با دقت کلی، ضریب کاپا و دقت شناسایی ساختمان به ترتیب 87.11% و 67.99% و 89.08% مؤید توانایی این روش در شناسایی ساختمان داده‌های چند منبعی اپتیک و رادار می‌باشد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Building Detection in Urban Areas using Features Fusion of Optical and Radar Images in Neural Networks
چکیده انگلیسی مقاله In this paper high-resolution SAR, panchromatic and multispectral images are fused for building detection purposes. This fusion is aimed to compensate the defects and shortcomings of these individual data sets. For this reason at first these three data sets are considered individually where some proposed input features are used for building detection. Then these features are fused in different combinations and the results are compared. In all experiments neural networks are applied and their performances are evaluated over different cover types of building roofs. It was discovered that the optimum fusion solution improves the building detection for more then 10% kappa coefficient. Also the proposed fusion strategy caused at least 8 times betters homogeneity of detection results over different roof types. The proposed method enjoying overall accuracy, kappa coefficient and building detection accuracy of% 87.11, % 67.99 and%89.08 respectively confirms the ability to detect buildings of multi-resource radar and optical data.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله مریم تیموری | maryam teimouri
k. n. toosi university of technology
دانشگاه صنعتی خواجه نصیرالدین طوسی
سازمان اصلی تایید شده: دانشگاه صنعتی خواجه نصیرالدین طوسی (Khajeh nasir toosi university of technology)

مهدی مختارزاده | mehdi mokhtarzade
k. n. toosi university of technology
دانشگاه صنعتی خواجه نصیرالدین طوسی
سازمان اصلی تایید شده: دانشگاه صنعتی خواجه نصیرالدین طوسی (Khajeh nasir toosi university of technology)

محمدجواد ولدان زوج | mohammad javad valadan zouj
k. n. toosi university of technology
دانشگاه صنعتی خواجه نصیرالدین طوسی
سازمان اصلی تایید شده: دانشگاه صنعتی خواجه نصیرالدین طوسی (Khajeh nasir toosi university of technology)

نشانی اینترنتی http://jgit.kntu.ac.ir/browse.php?a_code=A-11-120-1&slc_lang=fa&sid=fa
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1245/article-1245-343371.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده سنجش از دور
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات