■ نام مقاله: استخراج شی‌ءگرای ساختمان‌ها از تصاویر ماهواره‌ای VHR و آشکارسازی تخریب لرزه‌ای آن‌ها بر پایه‌ی آنالیز بافتی و بهره‌گیری از شبکه‌ی عصبی
پ■ دیدآورندگان: بابک منصوری، مونا مصطفازاده ■ انتشاریافته در: نشریه‌ی «علوم مهندسی و زلزله» (سال دوم، شماره‌ی یکم، بهار ۱۳۹۴) ■ شمار صفحه‌ها: ۱۲ ■ اندازه‌ی فایل: ۷۸۰ کیلوبایت ■ چکیده : آگاهی سریع، دقیق و جامع از موقعیت ساختمان‌های آسیب‌دیده پس از رخ دادنِ زمین‌لرزه، مبنای بسیاری از مراحل مطرح در روند مدیریت بحران، همچون امداد و نجات، اسکان، آواربرداری و حتا بازسازی است. در سال‌های اخیر بهره‌گیری از تصاویر ماهواره‌ای با قدرت تفکیک مکانی زیاد، یکی از اصلی‌ترین منابع اطلاعاتی به شمار می‌رود. هدف از این پژوهش، استخراج خودکار ساختمان‌ها و برآورد میزان آسیب لرزه‌ایِ آن‌ها با پردازش تصاویر ماهواره‌ای است. به منظور اجرای روش پیشنهادی در این پژوهش، تصاویر ماهواره QuickBird پیش و پس از زمین‌لرزه‌ی بم ۲۰۰۳ به کار گرفته شد. پس از انجام عملیات پیش‌پردازش همچون هم‌مرجع کردن، انطباق هیستوگرام‌ها و تلفیق تصاویر، روش قطعهبندی شیءگرا با بهره‌گیری از سه پارامتر مقیاس، شکل و فشردگی انجام گرفت و با بهره جستن از الگوریتم نزدیک‌ترین همسایه، عوارض شهری به‌صورت مدیریت‌شده طبقه‌بندی شدند. سپس با مقایسه‌ی نقشه‌ی پارسل‌های ساختمانی (بانک داده‌های مرجع)، ارزیابی درستی نقشه‌ی استخراج ساختمان‌ها انجام پذیرفت. نتایج ماتریس خطا صحت کلی را برابر با ۹۱% گزارش داده است. برآورد میزان تخریب ساختمان‌های منطقه و تولید نقشه‌ی خسارت در سه درجه‌ی "سالم تا آسیب‌‌دیدگی جزئی"، "خرابی زیاد" و "ویرانی کامل" بر اساس میزان تغییرات نسبی در شاخص‌های بافتی مرتبه‌ی اول و شاخص بافتی مرتبه‌ی دوم هارالیک بر روی ساختمان‌ها، در تصویرهای پیش و پس از زمین‌لرزه انجام گرفت. طبقه‌بندی یادشده با بهره جستن از به‌کارگیری شبکه‌ی عصبی مصنوعی به دست آمده، چهار ویژگی بافتی کنتراست، گشتاور دوم، میانگین و آنتروپی به‌عنوان ویژگی‌های بافتی بهینه‌ی مرتبه‌ی دوم برگزیده شدند. درستیِ کلی نقشه‌ی تهیه‌شده‌ی تخریب برای ویژگی‌های بهینه‌ی مرتبه دوم برابر ۷۳% به دست آمده است. ■ کلیدواژه‌ها : قطعهبندی شیءگرا، طبقه‌بندی، آنالیز بافت، آشکارسازی تخریب، شبکه‌ی عصبی مصنوعی.
|
