استخراج اتوماتیک شبکه راه براساس ادغام تصاویر ماهواره ای سنتینل1 و سنتینل2 با ویژگی‏های آنالیز بافت در فضای غیرشهری (مطالعه موردی: مسیر شاهرود- میامی)

سنجش از دور در بسیاری از زمینه های علمی و تحقیقاتی، از جمله در مهندسی راه و حمل و نقل، کاربرد های گسترده ای دارد که می توان به مهم ترین کاربرد آن یعنی استخراج شبکه راه و تهیه نقشه شماتیک آن اشاره کرد. استخراج شبکه راه ها از تصاویر ماهواره ای نوعی فناوری مکمل برای دستیابی به اطلاعات به شمار می آید که تفسیر و آنالیز تصویر را ساده تر کرده و باعث ارتقای کیفیت می شود. هدف اساسی این پژوهش، استخراج اتوماتیک شبکه راه در مسیر شاهرود- میامی بوده که نقشه شبکه راه حاصله به عنوان ورودی سیستم مدیریت روسازی (PMS) مورد استفاده قرار گیرد. روش پیشنهادی در این مطالعه مبتنی بر تکنیک ادغام و تلفیق تصاویر ماهواره های سنتینل1 و سنتینل2 با روش حداکثر رای گیری به منظور استفاده بیشینه از اطلاعات طیفی و مکانی چند تصویر (افزایش جزییات) به جای تک تصویر، با استفاده از ویژگی های بافت، می باشد. در ادامه، برای انجام طبقه بندی نظارت شده، از دو طبقه بند غیرپارامتریک شبکه عصبی مصنوعی (ANN) و ماشین بردار پشتیبان (SVM) و یک طبقه بند پارامتریک حداکثر احتمال شباهت (ML) در دو کلاس کلی راه و غیرراه استفاده شد. نمونه های آزمایشی به صورت تصادفی و همگن و نمونه هایی از تصاویر و نقشه های موجود منطقه برای ارزیابی دقت طبقه بندی استفاده شدند. نتایج نشان داد که ادغام و تلفیق نتایج طبقه بندی ها با روش حداکثر رای گیری موجب بهبود دقت حدود 4% برای ماهواره سنتینل1 و حدود 6% برای ماهواره سنتینل2 در شناسایی مسیر و شبکه راه ها شده است. همچنین، ضریب کاپا در روش حداکثر رای گیری نسبت به ANN (بهترین عملکرد موثر طبقه بندی ها) برای ماهواره سنتینل1 حدود 11/0 و برای ماهواره سنتینل2 حدود 06/0 رشد داشته است.