چکیده:
الگوریتمهای هوش مصنوعی دارای کاربردهای فراوانی در حوزه پردازش تصویر و استخراج اطلاعات مکانی هستند. در این مقاله از الگوریتم ژنتیک و شبکههای عصبی مصنوعی در استخراج اطلاعات مکانی و در فرآیند تولید ارتوفتو نظیر مدلسازی هندسی تصاویر ماهوارهای و با بکارگیری توابع رشنال و Worldview- و 2 Ikonos- رستری استفاده شده است. در ابتدا قابلیت هندسی تصاویر ماهوارهای 2 DSM ساخت چندجملهای دوبعدی و سهبعدی مورد بررسی قرارگرفت و سپس در یک مطالعه جامع توابع مذکور با استفاده از الگوریتم ژنتیک بهینه گردید. با با تابع چندجملهای سهبعدی بهینه شده با الگوریتم ژنتیک Ikonos- توجه به کیفیت نقاط کنترل زمینی بهترین نتیجه برای تصویر ماهوارهای 2 0 پیکسل گردید و نشان داده / با تابع رشنال بهینه شده با الگوریتم ژنتیک برابر 030 Worldview- 0 پیکسل و برای تصویر ماهوارهای 2 / برابر 805 شد با استفاده از این الگوریتم میتوان مشکل ناپایداری مسائل معکوس در چندجملهایهای با درجات بالاتر را حل نمود. همچنین با استفاده از 0 پیکسل صورت گرفت. در پایان کارایی / با دقت 54 Worldview- شبکه عصبی پرسپترون با 4 نرون در لایه میانی، مدلسازی هندسی تصویر 2 رستری مورد ارزیابی قرار گرفت و مشخص گردید این الگوریتمها امکان تولید DSM این الگورتیمها در درونیابی ارتفاعات در فرآیند تولید رستری با دقت بالاتر را نسبت به روشهای معمول فراهم میسازند.
چکیده انگلیسی:
Nowadays the artificial intelligent algorithms has considered in GIS and remote sensing. Genetic algorithm and artificial neural network are two intelligent methods that are used for optimizing of image processing programs such as edge extraction and etc. these algorithms are very useful for solving of complex program. In this paper, the ability and application of genetic algorithm and artificial neural network in geospatial production process like geometric modeling of satellite images for ortho photo generation and height interpolation in raster Digital Terrain Model production process is discussed. In first, the geometric potential of Ikonos-2 and Worldview-2 with rational functions, 2D & 3D polynomials were tested. Also comprehensive experiments have been carried out to evaluate the viability of the genetic algorithm for optimization of rational function, 2D & 3D polynomials. Considering the quality of Ground Control Points, the accuracy (RMSE) with genetic algorithm and 3D polynomials method for Ikonos-2 Geo image was 0.508 pixel sizes and the accuracy (RMSE) with GA algorithm and rational function method for Worldview-2 image was 0.930 pixel sizes. For more another optimization artificial intelligent methods, neural networks were used. With the use of perception network in Worldview-2 image, a result of 0.84 pixel sizes with 4 neurons in middle layer was gained. The final conclusion was that with artificial intelligent algorithms it is possible to optimize the existing models and have better results than usual ones. Finally the artificial intelligence methods, like genetic algorithms as well as neural networks, were examined on sample data for optimizing interpolation and for generating Digital Terrain Models. The results then were compared with existing conventional methods and it appeared that these methods have a high capacity in heights interpolation and that using these networks for interpolating and optimizing the weighting methods based on inverse distance leads to a high accurate estimation of heights.
خبرنامه
برای ثبت نام در خبرنامه و دریافت خبرنامه ایمیل خود را وارد نمایید.
