ابرنقاط

امروزه تصاویر قائم از محصولات پرکاربرد در حوزه اطلاعات مکانی هستند که غالباً از تصاویر هوایی یا ماهواره ای تهیه می شوند به طوری که توجه به دقت و کیفیت تصاویر قائم به دلیل دارا بودن هم زمان اطلاعات هندسی و رادیومتریک از اهمیت بالایی برخوردار است. عوامل متعددی در کیفیت تهیه این تصاویر تاثیرگذار هستند که در این میان ابرنقاط و مدل رقومی سطحی که از آن تهیه می شوند را می توان به عنوان مهمترین موارد برشمرد. به سبب نقص ابرنقاط در لبه های ساختاری ساختمان ها تصاویر قائم حقیقی دارای اعوجاج ها و تضاریسی بر روی این لبه ها می باشند. این مشکل بر روی تصاویر قائم به دست آمده از تصاویری که با پهپادها در نواحی شهری اخذ می شوند به علت آنکه از ارتفاع پایین تری برخوردارند بیشتر است. در این حالت به سبب افزایش میزان جابجایی های مسطحاتی ناشی از عوارض مرتفع با ارتفاع پرواز پایین نسبت به هواپیماهای باسرنشین لازم است تا ابرنقاط مربوطه بهبود یافته و از مدل رقومی سطحی دقیق تری برای انجام تصحیحات استفاده شود. علاوه بر این روش های تهیه ابرنقاط که بر مبنای تناظریابی میان تصاویر است به علت وجود نواحی پنهان و تغییرات رادیومتریکی میان تصاویر همپوشان قادر به تولید ابرنقاط کامل نبوده و دارای نقص هایی به ویژه بر روی لبه های عوارض هستند. در این مطالعه علاوه بر اینکه برای تکمیل ابرنقاط استفاده از شبکه یادگیری عمیق آموزش دیده در بهبود ابرنقاط برای تهیه تصاویر قائم پیشنهادشده است موفقیت نتایج حاصل از آن با جدیدترین روش پیشنهادی بهبود تصویر قائم حکایت از بهبود حدود 62 و 55 درصدی تضاریس نقاط واقع بر لبه های ساختاری و حفظ دقت مختصاتی آن ها دارد.