تصویر هوایی

تصاویر هوایی ثبت شده توسط ماهواره ها و یا پهپاد ها، معمولا شامل نواحی مربوط به منابع طبیعی و نواحی حاوی سازه های ساخت بشر است. با تفکیک این نواحی از یکدیگر، قادر خواهیم بود اطلاعات مهمی نظیر آرایش ساختاری سطوح و شکل آنها را استخراج و نقشه های هواییِ برچسب دار ایجاد کنیم. دست یابی به چنین اطلاعاتی می تواند کاربرد های بسیار مفیدی در زمینه های نظامی، شهری و زیست محیطی داشته باشد. از آنجایی که پردازش حجم عظیمی از تصاویر به دست آمده از ماهواره ها و پهپاد ها بصورت دستی امکان پذیر نیست، لذا استفاده از روش های خودکارِ مبتنی بر هوش مصنوعی در این حوزه، بسیار مورد توجه قرار گرفته است. تاکنون پژوهش های متعددی در این باره انجام شده است که از اهم آنها می توان به شناسایی ساختمان ها، وسایل نقلیه، جاده ها و همچنین تشخیص ساختار پوشش گیاهی در تصاویر هوایی اشاره کرد. در این مقاله، قصد داریم با معرفی مجموعه ای از ویژگی های آماری مبتنی بر رنگ که به سادگی قابل استخراج از تصاویر هوایی هستند و با استفاده از یک مدل مبتنی بر یادگیری، راهکاری کارآمد برای تشخیص دقیق و سریع سازه های ساخت بشر و تفکیک آنها از منابع طبیعی ارایه دهیم. نتایج آزمایش های انجام گرفته بر روی بانک تصاویر ماساچوست که به صورت عمومی، قابل دسترس است، نشان دهنده دقت مناسب و سرعت عمل بالای راهکار پیشنهادی است. به طوری که، دقت و میانگین سرعت پردازش به دست آمده به ترتیب برابر با ٪۰۷/۹۰ و 96/0 ثانیه است.

شهر ارومیه مرکز استان آذربایجان غربی به عنوان دهمین شهر پرجمعیت کشور و دومین شهر بزرگ شمال غرب به شمار می رود. این شهر در دهه های گذشته همگام با دیگر شهرهای ایران شاهد تغییرات وسیع و گسترده ای در ساختار بافت و کالبد سنتی خود بوده است. شناخت و تحلیل دقیق و واقعی تر از چگونگی تغییرات ایجاد شده در طراحی و برنامه ریزی های مرتبط با مسائل شهری در حال و آینده به خوبی می تواند به یاری متخصصان و مدیران شهری آمده و دستیابی به شهری سالم تر و پایدارتر را سهل تر سازد. لذا بررسی و مطالعه تصویرهای هوایی سال های مختلف در کنار سایر راهکارها به عنوان یکی از بهترین ابزارهای شناخت و تحلیل در این زمینه بشمار می روند. بر همین اساس مقاله حاضر با رویکردی توصیفی و در نهایت تحلیل گونه تلاش دارد تا تغییرات کالبدی شهر ارومیه را مورد مطالعه قرار دهد.