ورود کاربران دانشگاهی
ثبت نام(مطالعه آنلاین پایان نامه ها)
کاربر مهمان
سپندا
جمعه 10 فرودرین 1403
|
35.175.200.199
:Your IP
س
امانه
پ
ایان
ن
امه های
د
انشگاه
ا
صفهان (
سپندا
)
صفحه اول(جستجو)
مرور موضوعی
پرسش های متداول و راهنما
سامانه تطبیق پایان نامه با شیوه نامه
تماس با ما
(0)
عنوان :
ارزیابی زوج تصویر ماهواره GeoEye1 برای به روز رسانی نقشه های بزرگ مقیاس شهری (1:2000)
انتشارات :
دانشگاه اصفهان
سال :
1393
زبان :
Persian
شماره سند :
13568
موضوع :
نقشه برداری گرایش سنجش از دور
پژوهشگر :
احمد رجبی
توصیفگر لاتین :
GeoEye1 Stereo Images ? Updating ? Change Detection ? Urban Large Scale Maps ? Confusion Matrix
توصیفگر فارسی :
تصاویر استریو ماهوارهای GeoEye1 ◄ بهروزرسانی ◄ شناسایی تغییرات ◄ نقشههای بزرگ مقیاس شهری ◄ ماتریس خطا
دانشکده :
دانشکده فنی و مهندسی، گروه مهندسی نقشه برداری
مقطع :
کارشناسی ارشد
استاد راهنما :
مهدی مومنی
استاد مشاور :
سال دفاع :
1393
شماره رکورد :
13568
شماره راهنما :
MAP2 29
فهرست :
فهرست مطالبعنوان صفحهفصل اول: مقدمه -۱-۱ مقدمه 1-۲-۱ مراحل بهروزرسانی 21-3- آشکارسازی تغییرات 21-3-1- انواع سطوح آشکارسازی تغییرات 21-4- تاریخچه بهروزرسانی انواع نقشه ها با داده های مختلف 31-5- داده های ماهواره ای مورد استفاده در بهروزرسانی 41-6- مسئله تحقیق 71-7- اهمیت و ارزش تحقیق 71-8- اهداف تحقیق 81-9- ساختار پایان نامه 9فصل دوم: پیشینه تحقیقات انجام گرفته در زمینه بهروزرسانی انواع نقشه و پایگاه داده مکانی-۱-۲ مقدمه 10-۲-۲ تحقیقات انجام گرفته در زمینه بهروزرسانی انواع نقشه ها و پایگاه داده مکانی 102-2-1- روش های آشکارسازی تغییرات ارائه شده برای سطح اول 112-2-1-1- روش استفاده از مدل تطابقی 112-2-1-2- روش استفاده از طبقه بندی تصاویر 132-2-1-3- روش استفاده از آنالیزهای بصری 202-2-2- روش های آشکارسازی تغییرات ارائه شده برای سطح دوم 242-3- بررسی کلی روش های ارائه شده در سطوح مختلف آشکارسازی تغییرات 25فصل سوم: انتخاب داده ها و منطقه مورد مطالعه 3-1- مقدمه 273-2- انتخاب مناسب ترین تصویر ماهواره ای 293-2-1- بررسی دقت مسطحاتی و ارتفاعی مورد نیاز برای بهروزرسانی نقشههای بزرگ مقیاس 293-2-2- امکان سنجی بهروزرسانی نقشههای بزرگ مقیاس با استفاده از تصاویر ماهواره ای 313-3- سنجنده و تصاویرGeoEye1 323-4- تصاویر مورد استفاده و منطقه مورد مطالعه 333-5- ارزیابی کلاس ساختمان در نقشههای شهری 1:2000 از روی تصاویرGeoEye1 35عنوان صفحهفصل چهارم: روش پیشنهادی 4-1- مقدمه 374-2- روش پیشنهادی 37فصل پنجم: پیاده سازی روش پیشنهادی و نتایج 5-1- مقدمه 525-2- اجرای مراحل اول تا سوم استراتژی 525-3- ارزیابی روش پیشنهادی(مرحله چهارم استراتژی) 655-3-1- نتایج ارزیابی الگوریتم در منطقه اول 665-3-2- نتایج ارزیابی الگوریتم در منطقه دوم 665-3-3- نتایج ارزیابی الگوریتم در منطقه سوم 675-4- تحلیل تغییرات شناسایی شده برای اعمال به نقشه(ساختمانها) 68فصل ششم: نتیجهگیری و پیشنهادات 6-1- نتیجهگیری 706-2- پیشنهادات 72مراجع 73
چکیده :
چکیده بهروزرسانی نقشههای شهری بزرگ مقیاس یکی از مسائل تحقیقاتی روز است. شناسایی تغییرات در این نوع نقشهها با مشکلاتی روبرو است که عبارتند از: سایهها، مناطق پنهان از دید، شباهت خصوصیات طیفی، ناهمگونی بافت و شکل ساختمانها که در تحقیق حاضر این مشکلات حل شده است. در این تحقیق میخواهیم با تشکیل یک بردار ویژگی برای پیکسلهای تصویر بهجای اطلاعات طیفی هر پیکسل از تصویر و نیز استفاده از تصویر استریوی GeoEye1 بهجای تک تصویر قائم آن، کارایی این دادهها را در شناسایی تغییرات بوجود آمده برای لایه ساختمانها و بهروزرسانی نقشههای 1:2000 بررسی کنیم. نوآوریهای این تحقیق در انتخاب دادههای استریو متناسب با نوع نقشه بزرگ مقیاس شهری 1:2000، بررسی جداگانه ویژگیهای محتوایی تصویر بهصورت سعی و خطا و حذف ویژگیهای اضافی و وابسته، تشکیل بردار ویژگی با اجزای مستقل از هم و موثر و مدیریت خطاهای ناشی از وجود عوارض اضافی مثل پوشش گیاهی و همچنین خطاهای ناشی از اختلاف ارتفاعی و سایه است. برای شناسایی تغییرات، الگوریتمی بر مبنای تفاضل گیری بردار ویژگی پیکسل های تصویر، تدوین شده که تغییرات ساختمانی را در 3 منطقه مطالعاتی شناسایی کرده، پیکسل های اضافی را حذف نموده و تغییرات شناسایی شده توسط الگوریتم، نسبت به تغییرات ایجاد شده واقعی با استفاده از ماتریس خطا ارزیابی شده و نتایج آن در غالب دقت های کلی ، تولیدکننده و استفاده کننده ارائه شده است. مقادیر دقت های بدست آمده برای کلاس تغییرات در بهترین حالت برای منطقه دوم که منطقه ای با تراکم ساختمانی کم است، به ترتیب 93.11درصد،68.60درصد و 64.29درصد می باشد. اما در منطقه سوم که از نظر ساختمانی پرتراکم است دقت های بدست آمده برای کلاس تغییرات به ترتیب عبارت است از: 95.07درصد،4.81درصد و 5.22درصد. با توجه به نتایج بدست آمده برای شناسایی تغییرات با استفاده از زوج تصویر سنجنده GeoEye1 ، الگوریتم پیشنهادی در مناطق کم تراکم کارایی لازم را دارد و همچنین در مناطق پرتراکم می تواند مناطق بدون تغییر را با دقت بالا به اپراتور معرفی کند. کلید واژهها: تصاویر استریو ماهوارهای GeoEye1، بهروزرسانی، شناسایی تغییرات، نقشههای بزرگ مقیاس شهری، ماتریس خطا.
چکیده انگلیسی :
Abstract Change detection in large-scale urban maps is one of the research issues of the day. Change detection in these type of maps faces some difficulties such as: shadows, hidden areas, similar spectral characteristics, heterogeneous texture and buildings shape which has been resolved in this study. In this research, instead of image pixels spectral data and single ortho-image, we formed a feature vector for image pixels and used GeoEye1 stereo images to evaluate the performance of these datas in building change detection layer and update 1:2000 maps. Our innovations can be seen in selecting stereo image for urban large-scale map (1:2000) accordingly, studying image texture features separately by try and error in order to remove the additional and dependent features, forming a feature vector with independent and effective components, and managing errors caused by additional features such as vegetation, height displacement and shadow. To find these changes, an algorithm based on the difference between image pixels of features vector is developed to detect building changes in 3 case studies, then remove redundant pixels, after that evaluate the changes identified by this algorithm than real changes using confusion matrix and finally present the results in forms of overall accuracy, producer’s accuracy and the user’s accuracy. The accuracy values obtained for the second region, which is a low building density regional and the best case in our study, is respectively 93.11 percent, 68.60 percent and 64.29 percent. However, the third area where the building is crowded obtained lower accuracy for changes class respectively 95.07 percent, 4.81 percent and 5.22 percent. According to the results, the proposed algorithm is effective in low-density areas, also it can show places without changes in crowded areas with high accuracy. Keywords: GeoEye1 Stereo Images, Updating, Change Detection, Urban Large Scale Maps, Confusion Matrix.
کلید واژه ها :
تصاویر استریو ماهوارهای GeoEye1 ◄ بهروزرسانی ◄ شناسایی تغییرات ◄ نقشههای بزرگ مقیاس شهری ◄ ماتریس خطا,GeoEye1 Stereo Images ◄ Updating ◄ Change Detection ◄ Urban Large Scale Maps ◄ Confusion Matrix
مهر ماه 1393
0
صفحه اول :
University of Isfahan Faculty of Engineering Department of Surveying Engineering M.Sc. Thesis Evaluation of satellite stereo images GeoEye1 for updating urban large-scale map (1:2000) Supervisor: Dr. Mehdi Momeni By: Ahmad Rajbi October 2014
فصل اول :
1-9
فصل دوم :
10-26
فصل سوم :
27-36
فصل چهارم :
37-51
فصل پنجم :
52-69
فصل ششم :
70-76