تلفیق دانش پایه تصاویر نوری و راداری با حد تفکیک بالا، به منظور استخراج عارضه راه در مناطق شهری با استفاده از اطلاعات بافت

هدف اصلی این پژوهش، نشان دادن پتانسیل بالای استفاده توامان از تصاویر راداری و نوری، جهت استخراج راه میباشد. به منظور رفع نواقص الگوریتم های استخراج راه، با استفاده از داده های تک منبعی و بهبود نتایج کشف راه، الگوریتمی هوشمند جهت تلفیق این دو منبع ارائه شده است. در این تحقیق از تصاویر آیکونوس و TerraSAR-X، استفاده گردید که ابتدا بین تصاویر، هم مرجع سازی انجام گرفت و سپس ویژگی های بافت برای هر یک از تصاویر، استخراج و وارد شبکه عصبی جداگانه شدند. در نهایت با قرار دادن دو فیلتر، پیکسل هایی که در محدوده درجات خاکستری گیاه و راه های باریک قرار دارند، شناسایی شده و تصمیم گیری در مورد ماهیت این پیکسل ها به ترتیب بر مبنای خروجی شبکه عصبی، تصویر نوری و راداری انجام پذیرفت. با اجرای این الگوریتم، به ترتیب مقادیر 79.42 درصد برای پارامتر RCC، و 93.51 درصد برای پارامتر BCC و مقدار 0.27 برای پارامتر RMSE محاسبه شده بین خروجی الگوریتم و داده های مرجع، به دست آمد. خروجی حاصل از تلفیق دو منبع هم از لحاظ آماری و بصری نتایج قابل قبولی ارائه می دهد و هم در تشخیص راه های باریک و پیکسل های مربوط به زمینه، عملکرد بهتری دارد.