نوع مقاله : مقاله علمی پژوهشی

نویسندگان

1 سنجش از دور و GIS

2 استادیار GIS&RS دانشگاه تبریز

3 دانشیار دانشگاه تبریز

10.22034/gp.2020.41630.2696

چکیده

دینامیک بودن یکی از ویژگی های مهم مناطق شهری است که به تبع آن نیازمندی به اطلاعات بروز و دقیق از تغییرات شهری برای مدیریت منابع شهری را مطرح می سازد. بنابراین تشخیص خودکار عوارض شهری در تصاویر هوایی و ماهواره ای در گستره وسیعی از جمله مدیریت بحران و برنامه ریزی شهری از اهمیت زیادی برخوردار است. در تحقیق حاضر سعی شد تا با استخراج ساختمان ها با روش شیءگرا و ارزیابی دقت حاصل از طبقه بندی به معرفی شاخص های بهینه برای ارائه چارچوبی نیمه اتوماتیک پرداخته شود که هم از دقت بالایی برخوارد باشد و استخراج عوارض شهری از تصاویر ماهواره ای را در کمترین زمان میسر سازد. فرآیند انجام تحقیق مبتنی بر روش پردازش شیء گرا عکس هوایی تهیه شده با پهباد در شهر ورزقان است. در این راستا، از قابلیت تکنیکهای پردازش شیء گرا در ارائه انواع الگوریتم ها و ایجاد الگوهای پردازش نیمه خودکار استفاده شده است. برای این منظور تصاویر با مقیاس 80، بخش بندی شده و سپس با الگوریتم تقسیم بندی چند متغیره مورد تجزیه تحلیل قرار گرفت. طبقه بندی کلاس ها با بررسی آستانه ها کارآمد برای 10 الگوریتم ژئومتری و مکانی انجام شده و دقت حاصله با استفاده از نقاط کنترل مورد ارزیابی قرار گرفت. درراستای سنجش کارآمدی روشهای پردازش شیءگرا، نتایج نشان می دهد که شاخص شکل با دقت 97% ، ضریب کاپای 0.94 و ضریب روشنایی با دقت 98% ، ضریب کاپای 0.96 از قابلیت موثری برای استخراج ساختمانهای شهری برخوردار هستند. نتایج این تحقیق درارائه پارامترهای کارآمد برای استخراج انواع عوراض شهری از کاربردهای متعددی برخوردار بوده و علاوه بر متخصصین سنجش از دور، می تواند برای برنامه ریزان و تصمیم گیران شهری در راستای شناسایی ساخت و سازها و در کل بررسی تغییرات شهری از قابلیت بالایی برخوردار باشد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

A novel semi-automated approach for detecting and extracting of urban features using object-based aerial image analysis

نویسندگان [English]

  • Azra Masumei 1
  • Bakhtiar Feizizadeh 2
  • Khalil Valizadeh Kamran 3

1 University of Tabriz

2 Remote sensing and GIS

3 Associate professor of University of Tabriz

چکیده [English]

the main objective of this research was to apply and present a new semi-automated approach for detecting and mapping of urban buildings using object-based image analysis (OBIA). The process of conducting this research was based on the implementation of OBIA and high-resolution digital terrain models to derive urban features more efficiently and cost effectively. The study area was Varzeghan city which is located in East Azerbaijan province, Iran. Accordingly very high spatial resolution arial photography obtained by UAVs employed as base of image processing through OBIA. It has to be indicated that, the study area, has a combination of new and old buildings texture which accordingly offers high potential for urban feature mapping. In the first step, image segmentation was performed using a multi resolution segmentation algorithm. The scale of 80 was selected as appropriate scale for segmenting based on several step of segmentation and comparing the outcome against the training dataset. The object based classification is essentially performed by means of creating the desired classes on the image and deriving the efficient threshold conditions. In order to detect the intended urban features, thresholds were taken into account of classification and respectively the final fuzzy based classification were organized based on 11 efficient algorithms. In this case for assessing the degree of accuracy in a practical way, a number of ground control points were selected randomly across the head of image as well as through control points collected by GPS in field operation. Based on these control points, the obtained results can be used much efficiently. In following the research objective for identifying the most efficient object based algorithms, results of this step were employed for efficiency assessment of each object based algorithm

کلیدواژه‌ها [English]

  • Urban buildings extraction
  • Object-based image analysis
  • Accuracy assessment
  • Varzaghan city