مطالب مرتبط با کلیدواژه

آنالیز بافت


۱.

ارزیابی روش های استخراج اطلاعات فیزیکی ساختمان های تخریب شده ناشی از زلزله و ارائه ی الگوریتمی بر پایه لایه های GIS و سنجش از دور(مقاله علمی وزارت علوم)

کلیدواژه‌ها: الگوریتم ژنتیک ساختمان های تخریب شده نقشه تخریب آنالیز بافت سیستم استنتاج فازی عصبی

حوزه های تخصصی:
  1. حوزه‌های تخصصی جغرافیا فنون جغرافیایی سنجش از راه دور GIS
  2. حوزه‌های تخصصی جغرافیا جغرافیای انسانی جغرافیای شهری مدیریت بحران
  3. حوزه‌های تخصصی جغرافیا جغرافیای انسانی جغرافیای شهری مسکن شهری
تعداد بازدید : ۱۳۷۰ تعداد دانلود : ۶۷۴
زمین لرزه ها از بلایای ویرانگر طبیعی تهدید کننده بشر می باشند. از جمله مشکلات بعد از وقوع یک زمین لرزه می توان به موضوع ارزیابی خسارت اشاره کرد. ناحیه، میزان، نرخ و نوع آسیب، اطلاعات ارزشمندی را به منظور فعالیت های بشردوستانه، امداد و بازسازی در منطقه آسیب دیده در اختیار قرار می دهد. عوامل اصلی تعیین کننده هزینه کلی یک بحران، هم به لحاظ آسیب های اقتصادی و هم به لحاظ تلفات جانی، روشن شدن این مسئله است که با چه سرعتی رویداد مورد پاسخ قرار گرفته و با چه کیفیتی اقدامات واکنشی سازماندهی می گردد. تکنیک های سنجش از دور بدلیل دارا بودن قابلیت هایی از جمله واکنش سریع، عدم تماس فیزیکی، هزینه پایین و دید وسیع، نقش ارزشمندی را در استخراج اطلاعات فیزیکی ساختمان ها دارا می باشند. امروزه بدلیل دسترسی به انواع داده های سنجش از دور، روش های متعددی برای ارزیابی خسارت ساختمان ها طراحی و گزارش شده است. هدف از این تحقیق، مروری بر این روش ها بر مبنای بکارگیری تصاویر نوری در سه دسته: رویکرد تصاویر تک زمانه، چند زمانه و تلفیق داده های بُرداری و تصاویر و همچنین ارائه و پیاده سازی یک روش خودکار به منظور تعیین ساختمان های تخریب شده ناشی از زلزله با استفاده از تصاویر ماهواره ای با قدرت تفکیک بالا و لایه های GIS می باشد. در روش پیشنهادی، پس از استخراج توصیفگرهای بافتی از تصاویر قبل و بعد از زلزله برای هر ساختمان و تعیین توصیفگرهای بهینه، یک سیستم استنتاج فازی عصبی برای تعیین وضعیت ساختمان ها در چهار کلاس «سالم تا تخریب ناچیز»، «تخریب متوسط»، «تخریب سنگین» و «ویران» طراحی شد. نتایج نشان می دهد که این سیستم، صحت کلی 89%در دسته بندی ساختمان ها به 4 کلاس تخریب را دارا می باشد.
۲.

ارزیابی قابلیت داده های سنجنده GeoEye-1 و پارامترهای بافت تصویر، به منظور طبقه بندی مناظر شهری (مطالعه موردی: منطقه 3 تهران)(مقاله علمی وزارت علوم)

کلیدواژه‌ها: طبقه بندی آنالیز بافت الگوریتم طبقه بندی BRT تصویر ماهواره ای GeoEye-1

حوزه های تخصصی:
تعداد بازدید : ۱۰۲۰ تعداد دانلود : ۴۷۸
سنجش از دور، برای گردآوری اطلاعات مربوط به تغییرات کاربری در مناطق شهری نقش اساسی دارد. یکی از کامل ترین روش ها در استفاده از این اطلاعات، طبقه بندی است. در میان روش های گوناگون طبقه بندی، استفاده از آنالیز بافت تصویر برای طبقه بندی عوارض انسان ساخت، مناسب است؛ زیرا آنالیز بافت نه تنها از اطلاعات طیفی، بلکه از نحوه آرایش فضایی پیکسل ها در انجام طبقه بندی بهره می برد. طبقه بندی محیط شهری به دلیل یکنواخت نبودن طبقات، پایین ترین صحت را در بین تمام کلاس ها دارد، درنتیجه پارامترهای بافت تا حد زیادی می تواند صحت تفکیک این کلاس ها را افزایش دهد. هدف از این مطالعه، بررسی قابلیت داده های سنجنده GeoEye-1، مشخصه های بافت تصویر و روش طبقه بندی BRT، برای طبقه بندی کاربری های شهری است. نمونه ها از کل منطقه با استفاده از GPS و با توجه به کاربری های موجود برداشت شده است که 30 درصد این نقاط برای ارزیابی در نظر گرفته شد. مشخصه های بافت تصویر، شامل موارد میانگین، واریانس، آنتروپی، همگنی و عدم تجانس است. در مرحله بعد با استفاده از لایه های اصلی و مشخصه های بافت تصویر اقدام به طبقه بندی شد. نتایج نشان داد این طبقه بندی دارای صحت کلی و ضریب کاپا، به ترتیب 92/0 و 90/0 است.