تصویر قائم دارای کاربردهای فراوانی در حوزهصهای مختلف ازجمله بررسیصهای محیطی و مدیریت شهری میصباشد لذا توجه به کیفیت و نحوه تهیه آن از اهمیت بالایی برخوردار است. تصاویر قائم به دلیل دارا بودن همزمان خصوصیات نقشه و اطلاعات رادیومتریک می توانند در جانمایی، اندازه گیری مشخصات هندسی و تعیین موقعییت مکانی و بررسی بصری پوشش های زمینی و عوارض بر روی آن استفاده شوند. تصاویر اخذشده توسط پهپادها به سبب فاصله کمتر با عوارض میزان تغییرات مکانی ناشی از جابجاییهای ارتفاعی در آنها بهمراتب بیشتر است. در روش متداول تهیه تصاویر قائم حقیقی با استفاده از روش تفاضلی غیر مستقیم مقدار درجه خاکستری هر نقطه از مدل رقومی سطح زمین براساس بازنگاشت بر روی سطح تصویر اولیه زمین مرجع شده محاسبه می شود. از مواردی که سبب کاهش کیفیت تصاویر قائم میصگردد و بعضا مانع از اندازه گیری های مکانی و تفسیر صحیح می گردد وجود لبهصهای دندانهصدار در مرز عوارض مصنوعی با تغییرات ارتفاعی شدید در این تصاویر است بطوریکه با افزایش ارتفاع عارضه این میزان اعوجاج خطوط بیشتر میصگردد و انحناها و دندانه های گاها متعددی در طول خطوط مشاهده می شود . بهطورکلی بروز این مشکل به علت کمبود یا عدم وجود نقاط سهصبعدی کافی لبه عوارض مصنوعی در مدل رقومی ارتفاعی حاصل از تناظریابی نقطهصای میصباشد. ازجمله راهکارهای حل این مسئله تعریف و ادغام خطوط سهصبعدی لبه این عوارض بهصورت دستی و یا به طریق محاسباتی میصباشد. در روشهای پیشنهادی این مطالعه تصمیم به جبران نقاط این نواحی بهصورت افزودن نقاط متوالی از خطوط لبههای ساختاری است. جهت اضافه نمودن این نقاط، از دو روش پیشنهادی بر اساس تناظریابی خطوط لبه و یا بازسازی شکل هندسی عوارض به کمک محاسبات هوش مصنوعی بهره گرفتهشده است. هر دو روش پیشنهادی بر روی دو سری داده تصویربرداری متفاوت آزمایش شد بطوریکه نتایج روش پیشنهادی اول بهبود کلی 06 درصدی تضاریس لبه را در مقایسه با نتایج روش متداول نشان میدهد. همچنین، نتایج روش پیشنهادی دوم نسبت به روش متداول بهبود 08 درصدی و نسبت به روش پیشنهادی اول بهبود 04 درصدی را بهطور میانگین در کاهش اعوجاجهای لبه در تصاویر قائم سبب شده ست.
متن يادداشت
It is crucial to pay special attention to the quality and processing of orthophotos due to the wide variety of uses they have, particularly in environmental research and urban planning. The images taken by drones have more noise since the camera quality is lower, and because they are taken from a lower height, there are more height displacements as a result of variations in altitude. One aspect affecting the quality of the orthophotos is the presence of sawtooth effects at the edges of high objects in these images, which causes the degree of distortion to increase with object height. In general, this problem occurs due to a lack of enough three-dimensional points on the edges of tall buildings in the digital elevation model due to point matching. The three-dimensional points of building edges can be manually or computationally identified and integrated. To compensate for the points in these regions, it was chosen in the study's proposed methods to add additional points in sequence along the structural edge lines. To add these points, two proposed methods based on matching edge lines or reconstructing the geometry of building roofs using artificial intelligence calculations were applied. The results of the first proposed method show a 60% overall improvement in the edge distortions compared to the results of the common method after being evaluated on two independent imaging data sets. Furthermore, the results of the second proposed approach also showed an 80% increase in eliminating edge distortions in orthophotos when compared to the common method and a 40% improvement when compared to the first proposed method.
موضوع (اسم عام یاعبارت اسمی عام)
تقسیم فرعی موضوعی
تصویر قائم
تقسیم فرعی موضوعی
تضاریس لبه
تقسیم فرعی موضوعی
ابرنقاط
تقسیم فرعی موضوعی
شناسایی ساختمان
تقسیم فرعی موضوعی
یادگیری عمیق
تقسیم فرعی موضوعی
تکمیل ابرنقاط.
تقسیم فرعی موضوعی
Orthophoto,,,, ,
تقسیم فرعی موضوعی
Sawtooth effect
تقسیم فرعی موضوعی
Point cloud
تقسیم فرعی موضوعی
Deep learning
تقسیم فرعی موضوعی
Point cloud completion.
تقسیم فرعی موضوعی
مهندسی عمران نقشه برداری
عنصر شناسه ای
نقشه برداری
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )