بخشی از مقاله
کلید واژهها: قطعهبندي، طبقهبندي شیء گرا، آنالیز بافت، تشخیص خسارت، شبکه عصبی مصنوعی
چکیده
زلزله یکی از مهمترین سوانحی است که سالیانه خسارات و تلفات فراوانی در سراسر دنیا به جا میگذارد. پس از وقوع زلزله، اطلاع دقیق از وضعیت منطقه و تعیین دقیق موقعیت ساختمان هاي تخریب شده و میزان تخریب آنها از مسائ ل مهم و حیاتی مدیریت بحران است. هدف این مقاله استخراج خودکار ساختمانها و تعیین میزان آسیب لرزه اي آنها توسط پردازش تصاویر ماهواره اي می باشد. به منظور پیاده سازي روش پیشنهادي، تصاویر ماهواره Quic kBird در قبل و بعد از زلزله بم سال 2003 استفاده گردید. پس از انجام عملیات پیش پردازش نظیر آماده سازي و تلفیق تصاویر، روش قطعهبندي شیء گرا با استفاده از سه پارامتر مقیاس، شکل و فشردگی تکمیل شد. با استفاده از الگوریتم نزدیکترین همسایه، عوارض شهري مورد طبقهبندي مدیریت شده قرار گرفتند . سپس با مقایسه نقشه پارسلهاي ساختمانی - بانک داده هاي مرجع - ارزیابی صحت نقشه استخراج ساختمان ها صورت گرفت. نتایج ماتریس خطا صحت کلی را برابر %95 گزارش داده است. همچنین با استفاده از تغییرات در شاخص هاي بافتی تصاویر - آنالیز بافت - بروي ساختمانها، در قبل و بعد از زلزله، نقشه خسارت در سه درجه آسیب دیدگی جزئی، خرابی زیاد و ویرانی کامل با استفاده از به کار گیري شبکه عصبی بدست آمده است. صحت کلی نقشه تهیه شده تخریب برابر %78,9 بدست آمده است.
مقدمه
زلزله یکی از سوانح ویرانگر طبیعی با میزان بالاي مرگ و میر و گستره ي بالاي خرابیها است. غیر قابل پیش بینی بودن زمان وقوع و نیز لحظه اي بودن رخداد زلزله ها مموجب شده که آنها را از سایر سوانح طبیعی متمایز سازد. افزای ش روز افزون جمعیت از طرفی و توسعه مناطق شهري از طرف دیگر باعث گردیده تا منابع و خدمات شهري رشد فراوانی پیدا نمایند . ساختمان به عنوان مهمترین عارضه شهري، به خاطر تهدید جان ساکنین و نیز در معرض خطر قرار گرفتن ثروت انسانی، به حساب میآید. در نتیجه تلاش بیشتري براي ارائه روشهاي خودکار و یا نیمه خودکار جهت شناسایی ساختمانها در سال هاي گذشته انجام شده است. هدف از استخراج خودکار ساختمانها، موقعیت یابی صحیح آنها و بدست آوردن اطلاعات دقیق - شامل میزان تخریب - و بروز براي مدیریت سوانح طبیعی و میباشد.
استفاده از مشاهدات زمینی، یکی از روش هاي تهیه این نقشه ها است که به دلیل سرعت کم جمعآوري اطلاعات، دشوار بودن و یا دسترسی نداشتن به تمام مناطق آسیب دیده از مهمترین مشکلات مطرح در این زمینه است. فناوري سنجش از دور، با غلبه بر مشکل دسترسی و سرعت بالاي اخذ اطلاعات، می تواند ابزاري مهم در امر جمع آوري اطلاعات تلقی گردد. در روش هاي غیر خودکار یا دستی مرز ساختمان ها با استفاده از تصاویر ماهواره اي با قدرت تفکیک مکانی بالا به صورت دستی توسط کاربر در سیستم اطلاعات جغرافیایی ثبت میگردید که فرآیندي زمان بر میباشد. بنابراین استخراج ساختمان ها با به کارگیري روش هاي خودکار داراي اهمیت و پتانسیل بالایی است .
این در حالی است که الگوریتم هاي بسیاري در این زمینه ارائه شده است که هیچ یک از آن ها نمیتوانند مساله را بطور کامل حل کنند. در این پژوهش از قطعهبندي و طبقهبندي شیء گرا1 جهت استخراج ساختمان ها استفاده شده است. این روش امکان استفاده از اطلاعات شکل را علاوه بر اطلاعات طیفی میدهد. در مرحله اول از این پژوهش از روش رشد نواحی2 جهت قطعهبندي تصویر و از روش نزدیکترین همسایه جهت طبقهبندي عوارض شهري - ساختمانها، خیابانها، فضاي سبز و ... - استفاده شده است. در نهایت پس از استخراج ساختمان ها، به منظور ارائه نقشه خسارت ساختمان ها در درجات متفاوت خسارت، از آنالیز بافت روي تصاویر با قدرت تفکیک مکانی بالا و شبکه عصبی استفاده شد.
روش اجرا
در ابتدا تصویر Q uickBird بعد با تصویر قبل از زلزله هم مرجع و سپس با استفاده از روش تلفیق تصاویر، باند هاي پانکروماتیک و چند طیفی3 تصویر قبل از زلزله با هم به روش ترکیب شده است. پس از آن تصویر قبل از زلزله با ا ستفاده از روش شیء گرا آنالیز گردید که شامل قطعهبندي و پس از آن طبقهبندي میباشد. در مرحله قطعهبندي از روش ادغام نواحی و در قسمت طبقهبندي از روش نظارت شده - نزدیکترین همسایه - استفاده شد. ساختمان هاي استخراج شده از مرحله قبل به صورت ماسک روي تصاویر پ س از زلزله قرار گرفت و با کمک آنالیز بافت و از اختلاف نسبی تغییرات در توصی ف گرهاي مورد نظر، نقشه خسارت ساختمان هاي شهر بم به کممک شبکه عصبی مصنوعی در سه درجه خرابی بدست آورده شد. در شکل 1 روش اجراي کار به طور خلاصه آورده شده است.
.Web, 2004 - در این مقاله از تصاویر ماهواره اي QuickBird در تاریخ 30 سپتامبر 2003 مربوط به سه ماه قبل از زلزله بم و تاریخ 3 ژانویه 2004، 8 روز بعد از زلزله استفاده شده است. قدرت تفکیک مکانی این ماهواره در باند پانکروماتیک 0,6 متر و در باند چند طیفی 2,6 متر میباشد. جهت ارزیابی دقت ساختمانهاي استخراج شده، از نقشه پارسلهاي ساختمانی ثبت شده در سیستم اطلاعات جغرافیایی - Mansouri et al, 2007 - 1 استفاده گردید - شکل. - 2 به عنوا ن صحت سنجی مدل از داده هاي مرجع که از مشاهدات بصر ي میزان تخریب در تصاویر قبل و بعد از زلزله - Yamazaki et al, 2005 - بدست آمده، بهره گرفته شد - شکل. - 3
پیش پردازش دادهها
جهت هم مرجع کردن تصویر بعد از زلزله با تصویر قبل از زلزله، 49 نقطه کنترلی در تصویر انتخاب شد. پس از انتخاب نقاط کنترل کافی همراه با دقت لازم، تصحیح هندس ی بر روي تصویر بعد از زلزله با استفاده از تبدیل چند جمله اي درجه اول انجام شد. همچنین تمامی این مراحل بر روي نقشه پارسلهاي ساختمانی جهت هم مرجع کردن با تصویر قبل از زلزله اجرا گردید. پس از آن به منظور دست یابی به تصویري با جزیئات طیفی مناسب و قدرت تفکیک مکانی بالاتر، باند پانکروماتیک و چند طیفی تصویر با استفاده از تبدیل به روش تصویر سازي Pan sharpening تلفیق شدند.
قطعهبندي
قطعهبندي یا ناحیه بندي ، تقسیم یک تصویر به بخش هاي پیوسته اي است که به طور ایدهآل مطابق با عوارض روي زمین باشد - Gorte et .al, 2003 - در این مقاله از روش قطعهبندي Multi-resolution استفاده شد که روش ادغام نواحی تلقی میگردد. در این روش از یک پیکسل به نمایندگی از یک شیء شروع شده و دو شیء تا زمانی که به معیاري از عدم تجانس برسند با هم ادغام میشوند. با توجه به روابط - 1 - الی - 5 - ، معیار عدم تجانس یا مقیاس به ترکیبی از وزن شکل و وزن طیف بستگی دارد . - Benz et al, 2004 - مهمترین مرحله در پردازش دادهها، انتخاب بنمایندگی از اندازه شیء، وزن شکل به پارامترهاي مناسب قطعهبندي جهت استخراج ساختمان میباشد. این پارامترها شامل مقیاس نمایندگی از اهمیت طیفی و وزن فشردگی به نمایندگی از اهمیت شکل میباشد. "
