بخشی از مقاله
چکیده
یکی از موضوعات تحقیقاتی مهم در فتوگرامتری و سنجش از دور شناسایی و تشخیص نوع تغییرات سهبعدی ساختمانها میباشد که کاربردهای گوناگونی از جمله مدیریت بحران و بهروزرسانی سیستمهای اطلاعات مکانی - GIS - دارد. هدف از این تحقیق، ارائه یک روش جدید به منظور آشکارسازی اتوماتیک تغییرات سهبعدی ساختمانها میباشد. در روش پیشنهادی، ابتدا در مرحله پیشپردازش، مدل رقومی سطح و ارتفاعی بهمنظور تولید مدل رقومی سطح نرمال شده ایجاد و سپس در مرحله شناسایی ساختمانها، ابتدا باید عوارض زمینی و نویز حذف شوند. لذا، پس از اعمال یک حدآستانه مناسب، با استفاده از قطعهبندی رشد ناحیه عوارض زمینی و نویز حذف و سپس محدودهی ساختمانها استخراج میشوند.
درنهایت، نوع تغییرات ساختمانها، پس از مقایسه ساختمانهای استخراج شده در دو اپک مختلف زمانی با یکدیگر شناسایی میشوند. در روش پیشنهادی، از دو داده تست لیدار با تراکم نقاط مختلف از منطقه ردوی در ایالت کالیفرنیا واقع در کشور آمریکا در سالهای 2007 و 2009 استفاده شده است. نتایج بهدست آمده نشان داد که الگوریتم پیشنهادی با دقت بالایی قادر به شناسایی تغییرات مسطحاتی و ارتفاعی ساختمانها میباشد.
-1 مقدمه
تغییرات زیادی براساس گذر زمان در مناطق شهری ایجاد میشوند که بسیار قابل توجه هستند. این تغییرات، معمولا در ساخت، تخریب و یا بازسازی ساختمانها صورت میگیرند و شناسایی به موقع آنها می-تواند نقش بسزایی در بروزرسانی نقشههای شهری، مدیریت شهری و مدیریت سوانح داشته باشد.[1] از مهم-ترین این تغییرات، تغییر در ساختمانها - دوبعدی یا سهبعدی - میباشد که در شهرها و کشورهای در حال توسعه با سرعت بسیار بالایی در حال انجام است.
دادههایی که برای شناسایی تغییرات ساختمانها بهصورت اتوماتیک مورد استفاده قرار میگیرند معمولا شامل تصاویر هوایی، ماهوارهای و یا لیزر اسکنرهای هوایی - LiDAR - میباشند که این دادهها برای شناسایی تغییرات باید در زمانهای مختلف از منطقهی مورد نظر موجود باشند. در برخی موارد، به علت نداشتن اطلاعات سهبعدی از تصاویر به تنهایی استفاده نمیشود. به عنوان نمونه، در مناطقی که در آنها سایه وجود دارد و یا عوارضی که اختلاف ارتفاع آنها مهم است نیازمند بعد سومی از اطلاعات هستند که معمولا این خلا با دادههای لیدار پر میشود.[2]
شناسایی تغییرات ساختمانها میتواند بهصورت دوبعدی - مسطحاتی - و یا سهبعدی - مسطحاتی و ارتفاعی - صورت بگیرد که قطعا شناسایی سهبعدی تغییرات از اهمیت بالاتری برخوردار است چون اطلاعات بیشتری از تغییرات را ارائه میدهد. شناسایی تغییرات دوبعدی از تصاویر، دارای مشکلات متعددی است از قبیل تنوع بالای طیفی، تا جایی که یک جسم، متشکل از چندین پیکسل دارای تنوع مختلف طیفی میباشد.[3] مشکل دیگر آن خطای اعوجاج پرسپکتیو است که باعث میشود بیشتر تغییرات دوبعدی با استفاده از تصاویر، محدود به مناطقی با زاویه دید کم و یکسان باشند.[5 ,4] و درنهایت مهمترین مشکل آن، نداشتن اطلاعات سهبعدی است که باعث میشود ارزیابی کمی ناشی از زمینلرزشها، حجم تغییرات پوشش گیاهی و ساخت و سازهای حجمی ساختمانها صورت نگیرد.
شناسایی تغییرات سهبعدی بهعلت داشتن اطلاعات هندسی سهبعدی، مشکلات ناشی اختلافات طیفی، اعوجاج پرسپکتیو و نبود اطلاعات ارتفاعی را ندارد.[9] برای داشتن اطلاعات سهبعدی میتوان از لیدار و یا تصاویر استریو برای تولید مختصات سهبعدی استفاده کرد. اما، مدل رقومی سطحی - DSM - 1 تولید شده توسط لیدار میتواند دقت بالاتری نسبت به زوج تصویر داشته باشد زیرا خطای ناشی از تطابق تصویر2 در لیدار وجود ندارد.
تطابق تصاویر برای تولید مختصات سهبعدی، ممکن است اجسام کوچک و بلند و یا برخی از مناطق بافتی را از دست دهد.[9] همچنین، عدم قطعیت ابر نقاط تولید شده توسط روشهای مختلف تطبیق تصاویر با استفاده از روشهای مختلف، متفاوت است و توزیع غیریکنواختی را ایجاد میکند.[9] استفاده از لیزر اسکنرهای هوایی مزیتهای گوناگون دیگری از جمله سرعت بالای برداشت دادهها، قابلیت جمعآوری اطلاعات به صورت سهبعدی و هزینه پایینتر نسبت به تصاویر در وسعتهای بزرگ دارند.[1] از مشکلات ابر نقاط لیدار این است که تمامی عوارض را در یک محدوده برداشت میکنند و برای شناسایی و تفکیک یک عارضهی مشخص مانند ساختمان نیاز به پیشپردازشهایی از جمله حذف نویز و دادههای کم ارتفاع میباشد.
ضرورت شناسایی تغییرات نه تنها در مناطق شهری، بلکه در مناطق جنگلی نیز میتواند بسیار حائز اهمیت باشد و با استفاده از دادههای مختلف بهخصوص ابر نقطه لیدار میتوان با سرعت بالا تغییرات در دوره-های مختلف را شناسایی و با استفاده از آن میزان تخریب و یا رشد مناطق جنگلی نیز تشخیص داده شود. لذا، شناسایی تغییرات تنها محدود به حوزهی شهری نبوده و در مناطق مختلف و با اهداف گوناگون میتوان از آن بهرهمند شد.[10]
این تحقیق برای شناسایی تغییرات سهبعدی ساختمانها از دادههای لیدار، در پنج بخش ارائه شده است که در ادامه، پس از مروری بر تحقیقات انجام گرفته در زمینه شناسایی تغییرات ساختمانها، جزئیات روش پیشنهادی توضیح داده خواهد شد. سپس، در دو بخش پایانی، پس از پیادهسازی روش پیشنهادی و تست در منطقه مورد نظر، نتایج بهدست آمده از الگوریتم مورد بحث و بررسی قرار گرفته است.
-2 مروری بر تحقیقات انجام گرفته
بهطورکلی، اطلاعات ناشی از تغییرات میتواند به سه دسته تقسیمبندی شود: .1 تغییرات باینری که یک شاخص باینری برروی مناطق بهصورت تغییرات/عدم تغییرات ایجاد میکند.2 .[11] تغییرات سهگانه که می-تواند مثبت، منفی و یا عدم تغییر باشد که داشتن اطلاعات سهبعدی یک نقش اساسی در شناسایی تغییرات در افزایش، کاهش ویا عدم تغییر ارتفاعی ایجاد میکند.3 .[12] نوع تغییرات که شناسایی تغییرات را میتواند بهصورت ساخت و ساز و یا تخریب کامل کند.[13]
بهمنظور شناسایی تغییرات ساختمانها، یکی از مهمترین کارها شناسایی ساختمانها از داده مورد نظر میباشد. در روش ارائه شده توسط [14] از داده لیدار در دو اپک مختلف زمانی برای شناسایی تغییرات ساختمانها استفاده شده است. در این روش ابتدا مدل رقومی سطحی را در دو داده لیدار تولید کرده و پس از محاسبه اختلاف آنها از یکدیگر، عوارض باقیمانده اعم از زمین، ساختمان و پوشش گیاهی را با استفاده از کلاسهبندی3 تفکیک نموده و ساختمانها را شناسایی کرده است و با مقایسه کلاسهای ساختمانی تغییرات شناسایی شده است. درنهایت بهمنظور ارزیابی روش پیشنهادی، تغییرات را با استفاده از ارتوفتو بهصورت دستی استخراج، و با تغییرات حاصل از الگوریتم مقایسه کرده است.
در روش [15] برای شناسایی تغییرات ساختمانها، از داده لیدار در دو اپک مختلف زمانی استفاده شده است. در این روش پس از ایجاد مدل رقومی سطح نرمال - nDSM - 4 از روش قطعهبندی5 برای شناسایی ساختمانها استفاده شده و سپس ساختمانهای استخراجی در هر اپک زمانی با اختلاف مدل رقومی سطح از دادههای لیدار مقایسه و تغییرات شناسایی شدهاند. یک تکنیک سلسله مراتبی توسط [16] برای شناسایی تغییرات دو بعدی با استفاده از تلفیق تصویر با قدرت تفکیک بالا و لیدار، ارائه شده است. در این روش، بعد از شناسایی تغییرات اولیه، یک پردازش نهایی برروی اطلاعات بهدست آمده از سایهها و اندازهی ساختمانها توسط تصاویر هوایی انجام میشود و بر این اساس تغییرات بهدست آمده اصلاح میشوند.
در روش [17] برای تصمیمگیری تغییرات ساختمانها بهصورت دو بعدی از دو برچسب تصویری - یکی نقشهی موجود و دیگری ساختمانهای شناسایی شده به صورت اتوماتیک - استفاده شده است. با وجود اندازه-گیری پیکسلها با دقت و صحت بالا، اما روش ارائه شده قادر به شناسایی ساختمانهای کوچک نبوده است. در روش [18] برای شناسایی تغییرات با استفاده از دادههای لیدار از اپراتورهای مورفولوژی6 برای تفکیک ساختمانهایی استفاده شده است که فاصله بسیار کمی از یکدیگر دارند و برای شناسایی تغییرات براساس تخریب و یا سازندگی از یک الگوریتم تحلیلی اجزای متصل استفاده شده است.
بر این اساس، مساحت، طول، عرض و ارتفاع برای هر جز تخریب زده میشود و تغییرات نوسازی و یا تخریب مشخص می-گردد. همانطور که مورد بررسی قرار گرفت تنوع استفاده از الگوریتمهای مختلف قابل توجه میباشد. الگوریتم-هایی که از ادغام دادههای لیدار و تصاویر هوایی برای شناسایی ساختمانها و در نهایت شناسایی تغییرات استفاده کردهاند دارای مشکلاتی از جمله ایجاد خطا بهعلت اختلاف در قدرت تفکیک، زمینمرجعسازی7 ، اختلاف زمانی و جابهجایی ناشی از ساختمانهای بلند هستند.[19]
