طراحي و پياده سازي يك سيستم اتوماتيك براي تشخيص ساختمانها با بامهاي مختلف در تصاوير ماهواره اي بر اساس الگوريتمهاي شبكه عصبي مصنوعي

استخراج اتوماتيك عارضه ساخنمات از تصاوير ماهواره اي، يك مساله تحقيقاتي باز در فتوگرامتري رقومي و سنجش از دور است. در حالي كه الگوريتم هاي بسياري براي استخراج ساختمانها ارائه شده اند، هيچ يك از آنها نمي توانند مساله را به طور كامل حل كنند. در اين مقاله چهارچوب سيستمي براي افزايش درجه اتوماسيون در استخراج ساختمان ها با بمهاي مختلف از تصاوير ماهواره اي چند طيفي با قدرت تفكيك بالا از كشورهاي خاورميانه ( كه بامها اشكال مختلفي دارند) از جمله كشور ايران ارائه مي شود. اين تحقيق سيستمي را تشريح مي كند كه بخش تصميم گيري آن، بر مبناي الگوريتم هاي شبكه هاي عصبي مصنوعي عمل مي كند. اين سيستم بوسيله زبان برنامه نويسي #C توسعه يافته و سعي شده كه تا جاي ممكن كاربر پسند باشد، به همين دليل بصورتي طراحي شده است كه كاربران آن نيازي به اطلاع از نظريه شبكه هاي عصبي مصنوعي نداشته باشند. سيستم ارائه شده در دو فاز مختلف عمل مي نمايد، فاز اول يادگيري و فاز دوم كاربرد است. در فاز اول شبكه عصبي موجود در سيستم به كمك داده هاي ذخيره شده آزمايشي، آموزش مي بيند و در فاز دوم، سيستم جهت تشخيص ساختمانها در تصاوير ماهواره اي مورد استفاده قرار مي گيرد. تصوير ماهواره اي انتخاب شده براي آزمايش اين سيستم، تصاوير PAN و multispectral سنجنده Ikono از منطقه شهري كاشان به مساحت 100km2 مي باشد. در بخش ارزيابي نتايج، نشان داده مي شود كه سيستم مذكور، در اين مقاله مي تواند بيش از 84 درصد ساختمانهاي موجود در تصوير مورد مطالعه را تشخيص دهد.