عنوان پایان‌نامه

استخراج تغییرات صعودی از روی مدلهای رقومی با توان تفکیک بالا و به روز رسانی مدلهای رقومی دقیق



    دانشجو در تاریخ ۱۳ شهریور ۱۳۹۵ ، به راهنمایی ، پایان نامه با عنوان "استخراج تغییرات صعودی از روی مدلهای رقومی با توان تفکیک بالا و به روز رسانی مدلهای رقومی دقیق" را دفاع نموده است.


    رشته تحصیلی
    مهندسی عمران - نقشه برداری - فتوگرامتری
    مقطع تحصیلی
    کارشناسی ارشد
    محل دفاع
    کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 3367;کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 3367;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 77082;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 77082
    تاریخ دفاع
    ۱۳ شهریور ۱۳۹۵
    دانشجو
    حسن خرمگاه
    استاد راهنما
    حسین عارفی
    چکیده
    لینک فایل چکیده
    دنیای پیرامون ما در حال تغییر و تحول دائمی می‌باشد. بسیاری از تصمیمات و رفتارهای بشر بر اساس همین تغییرات صورت می‌پذیرد. به همین دلیل بررسی و آشکار‌سازی تغییرات برای بشر امروز امری اجتناب‌ناپذیر می‌باشد. در حیطه علم اطلاعات مکانی، قریب به اتفاق مطالعات پیشین بر روی تصاویر و داده‌های دو بعدی بوده که فاقد اطلاعات ارتفاعی می‌باشند. از جمله مهم‌ترین دلایل این موضوع را می‌توان، به عدم دسترسی به داده‌های دقیق همچون لیدار اشاره نمود. در این دسته از مطالعات همواره نیاز به اطلاعات ارتفاعی احساس می‌شود. پر واضح است، که در مناطق شهری به دلیل فعالیت بیشتر بشر، تغییرات محسوس‌تر نمایان می‌گردد. همچنین برخوردار بودن از اطلاعات ارتفاعی گاهی بسیار مهم‌تر از اطلاعات مسطحاتی می‌باشد. برای نمونه در بلایای طبیعی تعیین میزان خسارت و خرابی‌ها تنها با داشتن اطلاعات مسطحاتی امکان‌پذیر نمی‌باشد. شایان ذکر است، که هر چه پایگاه‌های اطلاعاتی جامع‌تر باشند، نیاز‌های مدیریتی بهتر برطرف می‌گردد. در این پایان‌نامه با بهره بردن از پیشرفت‌های اخیری که در علوم فتوگرامتری و سنجش از دور اتفاق افتاده است، به بررسی و آشکار‌سازی تغییرات از روی مدل‌های رقومی با توان تفکیک بالا، با استفاده از یک روش اتوماتیک، اقدام شده است. داده‌های مورد آزمایش، مدل رقومی لیدار قدیمی و مدل رقومی حاصل از Worldview-2 از شهر مونیخ در کشور آلمان می‌باشد. در روش پیشنهادی ابتدا به آماده‌سازی داده‌ها و سپس به استخراج و طبقه‌بندی عوارض پرداخته شده است. پس از استخراج و کلاسه‌بندی عوارض ساختمانی دو کلاس نسبت به یکدیگر هم‌مرجع شده و با استفاده از الگوریتم ماشین بردار پشتیبان به کلاس‌بندی تغییرات اقدام شده است. در نهایت پس از آشکار‌سازی و کلاس‌بندی تغییرات مدل رقومی دقیق اما قدیمی، به روز می‌گردد. در نهایت، بررسی روش پیشنهادی و ارزیابی کیفی صورت گرفته حاکی از موفقیت 97 درصدی الگوریتم پیشنهادی می‌باشد. واژه‌های کلیدی: آشکار‌سازی تغییرات، به روز‌رسانی، مدل رقومی با توان تفکیک بالا، لیدار، ماشین بردار پشتیبان
    Abstract
    High resolution satellite imagery (HRSI) provides a new era in the remote sensing and photogrammetry field. HRSI exhibit resolutions which allow distinguishing very well detailed features from small objects, like building, trees, and roofs. Due to increasing the spatial resolution of HRSI, new processes, classification, and 2D & 3D change detection techniques are required. Change detection is usually performed based on spectral and spatial analysis of multi-temporal data. 3D change detection based on satellite stereo imagery is particularly important for urban monitoring, disaster management, and map updating. Height information derived from digital surface models (DSM) can be very helpful for 3D change detection. Airborne LiDAR production as a well-known and high quality DSM is still unbeatable in elevation accuracy and highly produced dense point clouds. In 3D change detection, former studies can be categorized in object-based, feature-based, and “change candidates” methods. All of these methods employ multi-temporal airborne LiDAR or airborne stereo data sets. Moreover increasing the spatial resolution of satellite stereo imagery provides suitable era for 3D change detection. In this thesis, the objective is to detecting 3D changes using HRSI and LiDAR data. Consequently step is to update an old DSM produced by LiDAR data, using generated DSM from high resolution satellite stereo images. A stereo-based DSM generated from Worldview–2 imagery has been used as a new elevation data to update older DSM. A classification-base algorithm is proposed to extract building changes between DSMs in two epochs. Different types of changed buildings are classified by support vector machine into four classes (changed, unchanged, disappeared and ground classes). After obtaining real changes, the old digital elevation model, will be updated. Worldview-2 satellite data and LiDAR over Munich city in Germany is used in the experiment. The result shows the superiority of proposed method over some state-of-the-art DSM updating methods by average increase of 97% and 98% in overall accuracy and kappa. Keywords: 3D Change Detection, Updating Digital Surface Model, LiDAR, High Resolution Satellite Imagery