اشترك بالحزمة الذهبية واحصل على وصول غير محدود شمرا أكاديميا
تسجيل مستخدم جديدكشف الأبنية في صور الأقمار الصناعية
Buildings detection in Satellite images
966
0 25
0
(
0
)
تمت اﻹضافة من قبل
Shamra Editor
اسأل ChatGPT حول البحث
نقدم في هذا البحث خوارزمية جديدة لأتمتة عملية كشف و استخراج الأبنية من صور الأقمار الصناعية, و تتميز هذه الخوارزمية عن غيرها كونها تتغلب على بعض المعوقات التي شكلت محدودية في الكشف ضمن طرق و خوارزميات أخرى مثل الاختلاف في شكل و لون و ارتفاع الأبنية, و عدم الحاجة لصور متعددة الطيف أو غيرها من البيانات المعقدة أو ذات الكلفة العالية.
In this paper, we present a new algorithm to automate the detection and extraction of buildings from satellite images, this algorithm is distinguished since it overcomes some obstacles that limit detecting within other methods, such as the difference in shape, color, and height of buildings, and it doesn't need multi-spectral images or other complex and high cost images.
مراجعة الذكاء الصنعي:
ملخص البحث
يقدم هذا البحث خوارزمية جديدة لأتمتة عملية كشف واستخراج الأبنية من صور الأقمار الصناعية. تتميز هذه الخوارزمية بقدرتها على التغلب على بعض المعوقات التي كانت تحد من فعالية الطرق الأخرى، مثل اختلاف شكل ولون وارتفاع الأبنية، وعدم الحاجة لصور متعددة الطيف أو بيانات معقدة. تعتمد الخوارزمية على تحويل المعلومات اللونية في الصور من الفضاء اللوني (RGB) إلى الفضاء (LAB) للاستفادة من مركبة الإضاءة. يتم حذف الضجيج وظلال الأشجار باستخدام عمليات مورفولوجية، ثم يتم توزيع مناطق الظل المقترحة على مجموعة من الصور الثنائية لمعالجتها بشكل متوازي لتجنب التداخل بين الأبنية. يتم تشكيل منطقة فعالة لكل بناء اعتماداً على ظله، ثم إزاحتها بعكس اتجاه أشعة الشمس لتوضع ضمن الحيز المكاني للبناء ومعالجتها مورفولوجياً لإيجاد منطقة العمل. في المرحلة الأخيرة، يتم تطبيق نظرية (Region Growing) لتقطيع الصورة مع إجراء تعديلات عليها. أظهرت التجارب العملية أن الخوارزمية تعطي نتائج مميزة، حيث وصلت نسب الكشف وسطياً حتى 89.9%.
قراءة نقدية
دراسة نقدية: تعتبر الخوارزمية المقترحة في هذا البحث خطوة متقدمة في مجال كشف الأبنية من صور الأقمار الصناعية، حيث تقدم حلاً لبعض التحديات التي واجهتها الطرق السابقة. ومع ذلك، يمكن تحسين البحث من خلال تضمين المزيد من التفاصيل حول كيفية التعامل مع الأبنية ذات الأشكال غير المنتظمة بشكل أفضل. كما يمكن تحسين الأداء باستخدام تقنيات تعلم الآلة الحديثة مثل الشبكات العصبية العميقة لتحسين دقة الكشف. بالإضافة إلى ذلك، يمكن أن تكون الخوارزمية أكثر فعالية إذا تم اختبارها على مجموعة أوسع من الصور من مختلف المناطق الجغرافية لضمان عموميتها وفعاليتها في مختلف الظروف.
أسئلة حول البحث
-
ما هي الميزة الرئيسية للخوارزمية المقترحة في هذا البحث؟
الميزة الرئيسية هي قدرتها على التغلب على بعض المعوقات التي كانت تحد من فعالية الطرق الأخرى، مثل اختلاف شكل ولون وارتفاع الأبنية، وعدم الحاجة لصور متعددة الطيف أو بيانات معقدة.
-
كيف يتم التعامل مع ظلال الأشجار في الخوارزمية المقترحة؟
يتم حذف ظلال الأشجار باستخدام بعض العمليات المورفولوجية بعد تحويل المعلومات اللونية في الصور من الفضاء اللوني (RGB) إلى الفضاء (LAB).
-
ما هي نسبة الكشف التي حققتها الخوارزمية في التجارب العملية؟
حققت الخوارزمية نسبة كشف وسطياً تصل إلى 89.9% في التجارب العملية.
-
ما هي الخطوة الأخيرة في الخوارزمية المقترحة لكشف الأبنية؟
الخطوة الأخيرة هي تطبيق نظرية (Region Growing) لتقطيع الصورة مع إجراء تعديلات عليها، بحيث يتم نمو منطقة العمل تدريجياً استناداً إلى محيطها كنقطة بدء.
المراجع المستخدمة
LIN-Cand NEVATIA-R ,1998, “Building detection and description from a single intensity image,” Computer. Vis. Image Understand, vol. 72, no. 2, pp. 101–121
INGLADA-J, 2007, “Automatic recognition of man-made objects in high resolution optical remote sensing images by SVM classification of geometric image features,” ISPRS Remote Sens., vol. 62, no. 3, pp. 236–248
TURKER-M.,2014 , “Support vector machines classification for finding building patches from IKONOS imagery: the effect of additional bands,” Journal of Applied Remote Sensing, Vol. 8, No1
قيم البحث
اقرأ أيضاً
استخدمت منهجية التعرف باستخدام موصف مخطط التوزع التكراري للتدرج الموجه HOG لبناء مصنف آلة شعاع الدعم SVM و طبقت هذه الطريقة اعتمادا على لغة البرمجة C++ و المكتبات OpenCV و Dlib.
يركز البحث على دراسة صور الأقمار الصنعية وتحليلها من أجل استخلاص السمات الخطِّية و تحليلها باستخدام تقنية المحاكاة المنطقية (بريدي، 2000 ) وصولاً إلى إعادة صياغة الإطار التكتوني و ترتيبه العام في المنطقة المدروسة و تفسيرها بما يخدم التكتونيك في هذه ا
لمنطقة، تقع المنطقة المدروسة في جنوب شرق سيناء، و تملك هذه المنطقة نشاطاً تكتونياً معقداً و مركباً مع النشاط التكتوني لمنطقة خليج السويس، فرزت الدراسة النشاطات التكتونية المختلفة، و كشفت وجود تناوب لنشاط تكتوني باتجاه عقارب الساعة يؤثر في المنطقة، و يكون شديداً باتجاه الجانب البحري منها عنه في الجانب المتاخم لليابسة، مما عكس تأتي النشاط التكتوني من جهة البحر الشرقية إلى جهة اليابسة الغربية، كما ولوحظ تراكب للنشاط التكتوني المتأتي من خليج السويس مع النشاط التكتوني في المنطقة المدروسة، و ذلك بتناقص حدة النشاط التكتوني من الشمال باتجاه الجنوب، أظهرت عمليات الفرز للنشاطات التكتونية المختلفة أن نشاط الفعاليات السطحية (كالحت) تتناقص باتجاه الجنوب و أيضاً تتناقص باتجاه خط الشاطئ عنها في المناطق الداخلية من المنطقة المدروسة، إذ فُرزت في هذه الدراسة مختلف النشاطات التكتونية بناء على ثخن السمات الخطِّية إلى نشاط سطحي و متوسط و عميق.
يدرس البحث اختلاف الصيغ و الأبنية المتماثلة في ألفاظ القرآن الكريم ضمن سياقها ، فيقارن بين الأسماء و الأسماء من حيث التعريف و التنكير ، و صيغ الجموع ، و بين الأفعال و الأفعال ؛ كالتعبير بالماضي و المضارع ، و البناء للمعلوم و البناء للمجهول ، و بين ال
أسماء و الأفعال ؛ كالتعبير بالمضارع و اسم الفاعل ، و المصدر و المصدر ، فيتناول الفروق الدقيقة بين معانيها و استعمالاتها بحسب ما يقتضيه السياق اللغوي و سياق الحال ، و يحاول أن يحلل تلك الصيغ و الأبنية تحليلاً لغوياً دقيقاً ليصل في نهاية المطاف إلى المضمون أو الغاية الدلالية من تشاكل تلك الألفاظ و تماثلها .
و عرض البحث آراء العلماء من لغويين و نحاة و مفسرين و بلاغيين ، فبيّن اختلاف وجهاتهم و آرائهم و مواقفهم ما بين تماثل تلك الصيغ و الأبنية و تشابهها ، أو اختلافها و تباينها ، كل ذلك ضمن التركيب القرآني و السياق اللغوي ، و مقتضى الحال و المقال .
و ينتهي البحث بخاتمة تضمنت النتائج التي توصل إليها البحث .
يعتبر الماموغرام الخيار الأفضل للكشف المبكر عن سرطان الثدي عند النساء،
طورت أنظمة الكشف بمساعدة الحاسب (CAD) من أجل تحسين تشخيص صور
الماموغرام. يقدم هذا البحث طريقة مقترحة لتجزيء صور الماموغرام آلياً اعتماداً على
طريقة أوتسو Otsu’s method بهدف ك
شف آفة التكلسات الميكروية و الكتل من
صور الماموغرام المجزأة ، تستند هذه التقنية المقترحة إلى ثلاث خطوات، أ ( تحديد
مواصفات المنطقة ذات الاهتمام ROI, ب ( تحويل المويجي ثنائي البعد، ج ( تطبيق
تعتيب أوتسو على ROI لاستخلاص الآفة. اختبرت الطريقة المقترحة على عدة صور
أخذت من قاعدة بيانات معيارية mini-MIAS. و نفذت ضمن بيئة برنامج الماتلاب، .
و يمكن إنجازها بشكل فعال على حاسب شخصي بسيط. بينت النتائج التجريبية و نتائج
تقييم الأداء بأن الخوارزمية المقترحة تعتبر أداة مساعدة في تحسين أداء التشخيص،
و لها القدرة على الكشف عن آفات الثدي.
ينشد هذا البحث تناول صور المكان الطبيعيّ كما تجلّت في الشعر الأمويّ، و لا سيّما في ضوء التّغيّرات السياسيّة و الاجتماعيّة في هذا العصر، التي تركت أثرا واضحا في ذات الشّاعر، و في إبداعه صورة المكان الطبيعيّ؛ فالشّاعر يستمدّ مادّة من المكان الواقعي الم
جرّد الطبيعيّ، و هو المكان الذي لم تتدخّل يد الإنسان في إقامته و تشكيله؛ بما يتضمن من صحارى و جبال و رياض و أنهار و...إلخ، و يصنع خياله من تلك المادّة صورة للمكان الطبيعيّ في نصّه الشعري، على وفق رؤاه و تصوّراته الخاصّة.
سجل دخول لتتمكن من نشر تعليقات
التعليقات
جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
