مسعود ورشوساز

در طول چند دهه ی اخیر محیط های شهری بسیار بیشتر از گذشته گسترش یافته اند. یکی از مهمترین مشکلاتی که  در اکثر کلان شهرها و حتی شهرهای کوچک وجود دارد مدیریت سیستم حمل و نقل است. یک سیستم نظارتی پیشرفته از وسایل نقلیه ی درون شهری امکان غلبه بر مشکلات ترافیکی و ازدحام خودرو ها را فراهم می نماید، و به تبع آن از مشکلات آلودگی هوا می کاهد. با توسعه ی پرنده ای بدون سرنشین ( UAV ) امکان پایش مستمر و دقیق محیط های شهری برای کاربران فراهم گردیده است. در این تحقیق هدف ارائه روشی سریع و با عملکردی مناسب از  نظر دقت در شناسایی اتوماتیک خودرو در تصاویر پهپاد با حدتفکیک بسیار بالا است. در گام شناسایی خودرو از قابلیت الگوریتم آشکارساز و توصیفگر عوارض موضعی SIFT استفاده شده است. یکی از اصلی ترین قابلیت های  این الگوریتم پایدار بودن در برابر تغییرات روشنایی و انواع تبدیلات هندسی نظیر انتقال، دوران و مقیاس است. روش ارائه شده شامل دو مرحله ی اصلی: آموزش الگوریتم و فرآیند شناسایی خودرو است. روش پیشنهادی بر روی ۸ تصویر پهپاد که دارای پس زمینه با بی نظمی های مختلف هستند پیاده سازی شد. این تصاویر شامل انواع مختلفی از خودروها هستند. به منظور ارزیابی کمی روش پیشنهادی از دو معیار استفاده شده است. همچنین عملکرد این روش با رویکرد پنجره ی جستجو مورد مقایسه قرار گرفته است. نتایج نشان می دهد زمان محاسبات الگوریتم پیشنهادی ۸۲ ثانیه است و میانگین دو معیار ارائه شده معادل ۶۵/۶۷ درصد است که نشان دهنده ی برتری روش از لحاظ سرعت و دقت محاسبات نسبت به روش پنجره ی جستجو است.

گردشگری الکترونیکی یکی از جدیدترین انواع گردشگری است. تور مجازی بخشی از گردشگری الکترونیکی است که هدف از ارائه آن از بین بردن محدودیت های زمانی و مکانی می باشد. عکس های پانوراما یکی از اجزای اصلی برای ساخت تورمجازی هستند. امروزه با توجه به اینکه تکنولوژی پیشرفت زیادی کرده است اما تعداد کمی عکس های پانوراما از مناطق مختلف وجود دارد و معمولاً افراد خاص برای کاربری خاص عکس های پانوراما را تولید می کنند. از طرفی دیگر با توجه به کیفیت بالا عکس-ها معمولی توسط تکنولوژی پیشرفته، این عکس ها پتانسیلی را برای تولید عکس های پانوراما ایجاد کرده اند. با الحاق کردن چند عکس در کنار هم توسط الگوریتم های تناظریابی می توان عکس های پانوراما را تولید کرد. هرکدام از این الگوریتم ها دقت متفاوتی در شرایط مختلف دارد و بیشتر این روش ها برای عکس های پانوراما ارزیابی نشده اند. هدف از این مقاله، بررسی روش ها و الگوریتم های مختلف تناظریابی عوارض و طبقه بندی این روش ها و یافتن روش مناسب برای تهیه پانوراما در تورمجازی گردشگری است. در این راستا نحوه عملکرد این الگوریتم ها در شرایط مختلف بین تصاویر مانند انتقال، دوران، مقیاس برای به دست آوردن عکس های پانورامای هم منطقه و انتخاب بهترین روش سنجش موردبررسی قرارگرفته است. برای این منظور، ابتدا روش های مختلف تناظریابی را موردبررسی قرار داده و سپس چهار الگوریتم SURF، FAST، MSER، BRISK بر روی عکس های پانوراما در شرایط مختلف مانند اعوجاج چشم ماهی، نویز نمک و فلفل، مقیاس مختلف و ... ارزیابی شد. نتایج نشان می دهد که الگوریتم SURF در بیشتر شرایط نتیجه بهتری را در زمان کمتری نسبت به دیگر الگوریتم ها به دست اورد.

عوامل گوناگونی بر کیفیت نتایج حاصل از لیزراسکنر زمینی اثرگذارند و از آنجا که دقت اسکنر تا حد زیادی با خطاهای دستگاهی سیستماتیک محدود می شود، باید کالیبره شود. کالیبراسیون در عمل پیش نیازی است برای استخراج اطلاعات دقیق و قابل اعتماد سه بعدی از ابرنقاط. تاکنون مدل های مختلفی که هر یک چند پارامتر فیزیکی را در بر می گیرند برای بهبود کیفیت داده های لیزر اسکنر ارائه شده است. در ادامه بعد از مشاهدة نمودار مقادیر باقی مانده، پارامترهای تجربی به مدل های آنها اضافه شده است. این مسئله سبب ایجاد این ضعف در مدل می شود که فقط برای همان دسته از مشاهده ها قابل استفاده اند، چون ممکن است این پارامترهای تجربی در جای دیگری کارساز و پایدار نباشند و می بایست پارامترهای دیگری را جایگزین آنها کرد. در مطالعات گذشتة نویسندگان مدل جدیدی ارائه شد که به صورت پارامتریک است و با استفاده از آن امکان کالیبراسیون لیزراسکنر به طور عام وجود دارد. ازآنجاکه پایداری پارامترهای مدل ها اهمیت زیادی دارد، در نوشتار حاضر براساس ساختار داخلی دستگاه، پایداری پارامترهای یک مدل پارامتریک که برای کالیبراسیون ابرنقاط به دست آمده ارائه شده است و وابستگی آنها با تغییر ساختار دستگاه به طور دقیق و از طریق آزمایش های متعدد در این مقاله بررسی شده است. با محاسبة پارامترهای مدل و ارزیابی وابستگی آنها و اعمال آنها بر داده های ابرنقاط مشاهده می شود که این مدل با پایداری نسبی پارامترها، می تواند دقت داده های لیزراسکنر زمینی را بهبود بخشد. کلید واژه ها : لیزراسکنر زمینی، کالیبراسیون، ابرنقاط، مدل پارامتریک.

مدیریت فضای سبز شهری از مهم ترین کاربردهای تصاویر ماهواره ای با قدرت تفکیک مکانی بالاست. در مدیریت فضای شهری تعداد درختان و خصوصیات آنها معمولاً در زمرة اطلاعات پایه به شمار می روند. شمارش دستیِ تعداد درختان علاوه بر نیاز به نیرو و هزینه و زمان بالا، احتمال خطای زیادی را نیز به خاطر اشتباه های انسانی به همراه دارد. علاوه بر این، بسیاری از اوقات هیچ گونه اطلاعات مکان مند نظیر نقشة پراکندگی درختان در اختیار تصمیم گیرندگان قرار نمی گیرد و یا در صورت امکان، هزینه های زیادی را برای نقشه برداری زمین و برداشت تک تک درختان می طلبد. در مقالة حاضر فرایندی برای شمارش خودکار درختان طراحی شده است که در آن از تصاویر ماهواره ای با قدرت تفکیک بالا استفاده می شود. تصویر مورد نظر از منطقه ای در شهر بندرعباس انتخاب شد که در آن انواع درختان مناطق شهری که به صورت مجزا و گروهی و ردیفی در کنار یکدیگر استقرار یافته اند، به چشم می خورند. از زمان کاشت اکثر درختان موجود در منطقه بیش از ده سال می گذرد. در این روش در مرحلة نخست تصویری چندطیفی با تصویری پانکروماتیک از سنجنده Quickbird ادغام شدند. سپس از تصویر به دست آمده، نقشة NDVI تهیه گردید. آن گاه با اعمال دو عملگر مورفولوژیک (Erosion, RegionalMax) هسته های اولیه درختان به دست آمد. نتایج با حذف نقاط اضافه در مناطق غیرپوشش گیاهی، نقاط تکراری و پوشش های گیاهی غیردرخت اصلاح شدند. نتایج الگوریتم در مقایسه با داده های زمینی دقت خوب و مناسبی، که در حدود 90 درصد به دست آمده است، دارند.