عنوان پایان‌نامه
ارائه روش عامل مبنا به منظور تشخیص اتو ما تیک سا ختمان ها از داده های لیدار
- رشته تحصیلی
- مهندسی عمران - نقشه برداری - فتوگرامتری
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس 2 فنی شماره ثبت: 1671;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 43528
- تاریخ دفاع
- ۲۴ آذر ۱۳۸۸
- دانشجو
- فاطمه طبیب محمودی
- استاد راهنما
- فرهاد صمدزادگان
- چکیده
- در اختیار داشتن اطلاعات به هنگام مربوط به عوارض موجود در نواحی شهری، امکان تهیه و به هنگام رسانی نقشه های بزرگ مقیاس و یا لایه های مربوط به سیستم های اطلاعات مکانی را میسر می سازد. در این راستا، به کارگیری داده های سنجش از دور با قدرت تفکیک بالا و برداشت شده توسط انواع سنجنده های هوابرد و یا فضابرد، گامی مؤثر در جهت تسهیل استخراج اطلاعات مربوط به انواع عوارض حائز اهمیت در نواحی شهری نظیر جاده ها، ساختمان ها و درختان می باشد. از آنجائیکه استخراج اتوماتیک ساختمان ها و ابنیه به عنوان یکی از مهم ترین عوارض سه بعدی ساخته دست بشر در مناطق شهری دارای اهمیت شایانی است، تاکنون تحقیقات گسترده ای در زمینه تشخیص اتوماتیک مرز ساختمان ها بر اساس داده-های سنجش از دور صورت گرفته است. با توجه به پتانسیل بالای اطلاعات ارتفاعی در برطرف نمودن کاستی ها، نواقص و مشکلات مطرح در تمایز نواحی ساختمانی از دیگر عوارض، به کارگیری داده های حاصل از تکنولوژی لیدار نقش قابل توجهی را در تحقیقات صورت گرفته در این زمینه به خود اختصاص داده است. با این حال، با وجود اینکه داده های حاصل از تکنولوژی لیدار قادر به تأمین اطلاعات ارزشمندی از سطح زمین و عوارض موجود بر روی آن می باشند، ولی کثرت اشیاء و پیچیدگی های روابط بین عوارض در مناطق شهری منجر به بروز مشکلاتی در زمینه تشخیص ساختمان حتی در صورت استفاده از این داده ها نیز می گردد. در به کارگیری داده های ارتفاعی لیدار، بخش عمده مشکلات مطرح در زمینه تشخیص عوارض مربوط به تمایز نواحی مسکونی از درختان مرتفع مجاور آن ها می باشد. به همین دلیل، در اکثر الگوریتم های پیشنهادی راه کارهای متنوعی نظیر استفاده از اطلاعات بافت، به کارگیری اطلاعات ناهمواری سطح، تعیین تفاضل مقادیر اولین و آخرین بازگشت های لیدار و تلفیق داده های ارتفاعی لیدار با تصاویر، جهت کاهش این مشکلات ارائه شده است. در این میان، روش هایی که در آن ها از استراتژی های هوشمند نظیر تکنیک استنتاج فازی و روش های چند عاملی به منظور تحلیل دانش مبنای داده های سنجش از دور استفاده گردیده، توانایی بالاتری را در کاهش مشکلات مطرح در تشخیص اتوماتیک ساختمان از دیگر عوارض به خصوص درختان دارا می باشند. در این پایان نامه نیز با هدف تشخیص اتوماتیک ساختمان ها بر اساس تلفیق داده های ارتفاعی و درجات خاکستری لیدار در سطح اطلاعات زمینه مکانی و بافت استخراج شده از آن ها، یک سیستم چند عاملی ارائه گردیده است. با توجه به پیچیدگی-های مطرح در تشخیص اتوماتیک ساختمان ها از درختان و پوشش گیاهی منطقه، سیستم چند عاملی پیشنهادی دارای دو گروه عامل تشخیص عارضه به تفکیک جهت تشخیص ساختمان ها و درختان می باشد. علاوه بر این، بر اساس نوع اطلاعات زمینه مورد استفاده توسط عامل های تعریف شده، عملیات تشخیص عارضه در این سیستم چند عاملی در دو سطح میکرو و ماکرو به ترتیب با استفاده از اطلاعات بافت و اطلاعات مکانی انجام می پذیرد. در این راستا، ابتدا عملیاتی پیش پردازشی جهت آماده سازی داده های ارتفاعی و درجات خاکستری لیدار به منظور تسهیل در روند تشخیص اتوماتیک ساختمان و درخت صورت می گیرد و سپس این داده ها به عنوان ورودی در اختیار عامل های تعریف شده در سیستم چند عاملی تشخیص عارضه قرار داده می شوند. نتایج بدست آمده از سیستم چند عاملی ارائه شده در این پایان نامه حاکی از آن است که علی رغم وجود مشکلات عمده در تشخیص ساختمان ها از دیگر عوارض شهری به خصوص درختان، به کارگیری قابلیت های سیستم های چند عاملی، پتانسیل خوبی را جهت تشخیص اتوماتیک ساختمان ها بر اساس داده های لیدار دارا می باشد.
- Abstract
- Automatic building recognition and extraction from Lidar and other airborne or space borne data has been an area of major interest in photogrammetry for quite a long time. Therefore, many researchers have been trying to study and develop automatic or semi-automatic approaches for building recognition in urban areas. Lidar data has proved to be a promising data source for various mapping and 3D modeling of buildings. But, according to the complicated relationships between objects in urban areas, especially buildings and trees, the performance of obtained results from ordinary object recognition algorithms based on Lidar data, is still dependent to several assumptions and simplifications. In this research, a multi-agent strategy has been proposed for automatic building recognition based on the fusion of textural and spatial information extracted from Lidar range and intensity data. In this multi-agent methodology, two different groups of object recognition agents are defined for building and tree detection in parallel and the algorithm has two different operational levels based on the types of contextual information. In the first level, both object recognition agents decide about the types of objects in the study area based on textural descriptors and the candidates of building and tree regions will be generated. In the second operational level, building recognition and tree recognition agents perform some operations in macro level in order to modify the candidates of building and tree regions based on spatial context. According to the difficulties in the field of building and tree detection based on the textural descriptors or spatial context, using the communicational behaviours and other capabilities of the multi-agent systems can be so effective in the field of automatic building recognition in dense urban areas. The evaluation of obtained results of the proposed methodology confirms the high capabilities of Lidar data and this multi-agent algorithm to decrease the conflicts in the field of building and tree recognition in parallel.
