مهندسی فناوری اطلاعات مکانی
سال:1398 | دوره:7 | شماره:2 |تعداد مقالات:12

امروزه با توجه به پیشرفت تصاویر ماهواره ای در زمینه کیفیّت بحث تشخیص اتوماتیک اهداف بر روی این تصاویر مورد توجه محققان قرارگرفته است. تصاویر سنجش ازدور مرئی شامل اهداف مکانی متنوعی هستند. این اهداف عموماً دست ساز بشر بوده و دارای یک ساختار مشخص و متمایز از نواحی اطراف خود می باشند. روش های مختلفی جهت شناسایی اتوماتیک اهداف مکانی ارائه شده است که در اکثر این روش ها جستجوی اهداف در تصاویر جهت استخراج و یا تطبیق ویژگی ها به منظور شناسایی اهداف مکانی صورت می­ پذیرد. در همین راستا در این تحقیق با هدف سرعت بخشیدن به مراحل شناسایی، مناطقی در تصویر انتخاب می شوند که در آنها احتمال وجود اهداف مکانی بسیار بالا خواهد بود. این امر به اتوماتیک نمودن فرآیند و نیز سرعت بخشیدن به پردازش های آتی مرتبط کمک شایانی خواهد نمود. برای این منظور از ترکیب مدل های برجستگی تصویر و ویژگی های الگوریتم های آشکارسازی عوارض موضعی بهره گرفته شده است. روش ارائه شده از سه مرحله اصلی تشکیل شده است. این مراحل شامل استخراج عوارض موضعی توسط الگوریتم MSER (Maximally Stable Extremal Regions)، تولید نقشه های برجستگی با اعمال مدل های AWS (Adaptive Whitening Saliency) و WMAP (Weighted Maximum Alignment Phase) بر روی تصویر و تعیین مناطق بارز تصویری است. در این تحقیق حدآستانه­ ای با محاسبه مقادیر برجستگی در کل تصویر تعریف شده است که با اعمال آن به هر ناحیه استخراج شده، مناطق بارز تصویر شناسایی می ­ شوند. این روش، روی تصاویر متعددی شامل 6 تصویر ماهواره ای از سنجنده­ های مختلف و 6 تصویر ماهواره ای اخذ شده از نرم افزار گوگل ارث که حاوی اهداف مکانی مختلف با پس زمینه های متفاوت هستند؛ آزمایش شد. به منظور ارزیابی کمّی مناطق شناسایی شده از دو معیار استفاده شده است. همچنین این روش با رویکرد اعمال الگوریتم قطعه بندی انتقال میانگین جهت شناسایی مناطق بارز مورد مقایسه قرار گرفت. نتایج به دست آمده از اعمال روش پیشنهادی نشان می دهد، به طور متوسط مساحت مناطق شناسایی شده معادل با 1/5 درصد از مساحت کل تصاویر استفاده شده است؛ به طوری که حدود 28/98 درصد از اهداف مکانی در این مناطق واقع شده­ اند. همچنین میزان متوسط زمان محاسباتی برابر 1/22 ثانیه گزارش شده است. نتایج نشان دهنده برتری روش پیشنهادی از نظر دقت و سرعت محاسبات است.

تأثیر خطای ناشی از ارتفاع و ناهمواری سطح زمین بر مقدار رادیانس ثبت شده تصاویر ماهواره ای، احتمال کاهش دقت نتایج خروجی الگوریتم های اعمال شده بر روی تصاویر را افزایش خواهد داد. بدین منظور برای کاهش اثر توپوگرافی روی تصاویر، مدل های تصحیح مختلفی براساس نوع برهم کنش نور و سطح زمین تعریف شده اند. با توجه به یکسان نبودن تاثیر انواع تصحیحات، در این پژوهش، تصحیحات توپوگرافی از جمله مدل لامبرتین(مدل کسینوس ها) و مدل های غیرلامبرتین (مدل های مینه آرت و تصحیح C) بر روی تصاویر لندست از محدوده ایرانکوه اصفهان اعمال شدند. به منظور ارزیابی این مدل ها، پارامترهای آماری (اختلاف میانگین و انحراف معیار هر باند) تصاویر قبل و بعد از تصحیح، پارامترهای مبنی بر داده های طیف سنجی (زاویه شباهت و فاصله اقلیدسی) و تأثیر تصحیحات بر دقت برآورد سرب از تصاویر با مدل رگرسین خطی مورد استفاده قرار گرفت. باتوجه به نتایج حاصل از ارزیابی به سه روش ذکر شده، مدل کسینوس ها نسبت به مدل های غیرلامبرتین عملکرد ضعیفی جهت رفع اثر توپوگرافی از خود نشان داد. دقت کلی زاویه شباهت بالاتر از 97/0 بین طیف تصویر و داده طیف سنجی برای مدل مینه آرت و کسینوس ها به ترتیب برابر با 973/0 و 891/0 حاصل شد و همچنین مقدار 83/0 خطای جذر میانگین مربعات (RMSE) و 65/0 ضریب تعیین (R2) ناشی از مدل رگرسیون بر تصویر لندست8 تصحیح شده با مدل مینه آرت، عملکرد بهتر مدل مینه آرت را نشان داد.

انجام حفّاری نیازمند داشتن اطلاعات دقیق از وضعیت تأسیسات است؛ زیرا حفاری­ های اشتباه خسارت های فراوانی را به همراه دارد. با استفاده از فناوری واقعیت افزوده در نسل جدیدی از سیستم اطلاعات مکانی به نام سیستم اطلاعات مکانی فراگستر، می­ توان این زیرساخت­ ها را در تلفن های همراه هوشمند بصری­ سازی نمود. حسگرهای موجود در تلفن همراه، دقت موردنیاز برای نمایش تأسیسات را فراهم نمی­ کنند. روش­ های مبتنی بر دید، روش­ های محبوبی برای جمع­ آوری داده های مرتبط با وضعیت دوربین هستند. برخی از سیستم­ های دید، اشیا را از طریق پردازش تصویر محیط­ های طبیعی ردیابی می­ کنند که در یک محیط ناآشنا بسیار دشوار خواهد بود. امروزه بیشتر سیستم­ های دید با هدف شناسایی تارگت­ ها طراحی شده­ اند. هدف این مقاله مقایسه انواع تارگت­ های مختلفی است که می­ توانند در برنامه­ های مبتنی بر واقعیت افزوده استفاده شوند. بدین منظور در محوطه دانشکده نقشه­ برداری دانشگاه خواجه­ نصیرالدین طوسی از تارگت­ های هر دو نرم­ افزار ای­ جی­ سافت و استرالیس در 6 زاویه مختلف عکس برداری و نتایج بازشناسی آن­ ها تحلیل گردید. مقایسه­ ها نشان می­ دهد، کیوآرکد به دلیل محدودیت فاصله جهت قرائت، مناسب نیست، زیرا در کاربردهای واقعیت افزوده، تارگت­ ها باید در میدان دید وسیعی باشند. هم­ چنین تارگت­ های مربعی به دلیل آن­ که بازشناسی آن­ ها سخت­ تر است، خیلی مناسب نیستند. بنابراین بهتر است از فیدوشال مارک­ ها استفاده نشود. تارگت­ های دایره­ ای بهترین نوع تارگت برای برنامه­ های واقعیت افزوده، در کاربرد بصری­ سازی زیرساخت­ ها است. از بین تا­ رگت­ های دایره­ ای نیز تارگت­ های کددار، هرچند در تصاویر با زاویه فرود خیلی کم به راحتی قابل تشخیص نیستند؛ اما در عوض، درصد تشخیص اشتباه عوارض دیگر به عنوان تارگت به جای آن­ ها، وجود ندارد. قابل ذکر است که تارگت دایره­ ای از نوع ساده و بدون کد، درصد تشخیص اشتباه بسیار زیادی دارد. همچنین نتایج مقایسه دقت تعیین وضعیت دوربین در بصری­ سازی تأسیسات با هر دو روش مبتنی بر دید و مبتنی بر حسگر نشان می­ دهد، روش مبتنی بر دید، دقت را در مؤلّفه­ های مختصاتی به طور متوسط به اندازه 10260/8 متر و در مؤلّفه­ های زاویه­ ای به اندازه 36/10 درجه بهبود می­ بخشد.

دستیابی به تغییرشکل مطلق با استفاده از روش تداخل­ سنجی راداری، نیازمند معرفی یک نقطه یا ناحیه مرجع می­ باشد. در این پژوهش جهت معرفی این نقطه یا ناحیه و برآورد تغییرشکل مطلق، از ایستگاه های ژئودینامیک موجود در منطقه استفاده شد. باتوجه به این که هیچ یک از پراکنش گرهای دائمی، بر ایستگاه­ های ژئودینامیک منطبق نیستند؛ امکان معرفی یک پراکنش­ گر خاص به­ عنوان نقطه مرجع وجود ندارد. از این رو طرح­ های هندسی مختلفی از پراکنش­ گرها، به عنوان مرجع در نظر گرفته شده و تاثیر انتخاب این طرح­ ها بر روی تغییرشکل مطلق بررسی شده ­ است. این طرح ها شامل انتخاب نزدیک­ ترین پراکنش­ گر دائمی به هر ایستگاه­ ژئودینامیک، میانگین پراکنش­ گرهای دائمی موجود در فاصله مشخصی از ایستگاه­ ها، میانگین وزن­ دار تمامی پراکنش­ گرهای دائمی موجود در منطقه و درونیابی مقدار تغییرشکل در موقعیت ایستگاه­ های ژئودینامیک هستند. از طرفی برای مطالعه تاثیر شرایط فیزیکی و محل قرارگیری نقطه مرجع برروی تغییرشکل مطلق، پیاده­ سازی این طرح­ های هندسی بر روی هریک از ایستگاه­ های ژئودینامیک انجام شده ­ است. نتایج حاصل، بیانگر تغییرشکل­ های مطلق متفاوت نسبت به نقاط مرجع مختلف، با به کارگیری طرح­ های هندسی مختلف می­ باشد. بیشترین خطای جذر میانگین مربعات برای اختلاف­ نتایج تداخل­ سنجی راداری و سیستم تعیین­ موقعیت جهانی در برآورد بردار سرعت مطلق ایستگاه­ های ژئودینامیک در راستای خط دید ماهواره، از انتخاب نزدیک­ ترین پراکنش­ گر دائمی به ایستگاه­ ژئودینامیک قله توچال به عنوان نقطه مرجع حاصل می­ شود که نزدیک به 5/3 میلی­ متر است. کمترین اختلاف نیز مربوط به معرفی میانگین وزن­ دار تمامی پراکنش گرهای دائمی به عنوان مرجع است که برای تمام ایستگاه­ های ژئودینامیک مقداری کمتر از 1 میلی­ متر دارد.

نرمال­ سازی دمای سطح نسبت به عوامل محیطی از اهمیّت بالایی در مطالعات علمی و تصمیمات مدیریتی مناطق شهری و غیرشهری برخوردار است. هدف از این پژوهش، ارائه مدلی واریانس مبنا برای نرمال­ سازی دمای سطح نسبت به پارامترهای محیطی می­ باشد. برای این منظور از باندهای ماهواره لندست 8، محصول بخار آب مودیس و مدل رقومی ارتفاع استر استفاده شده است. در این پژوهش مجموعه عوامل توپوگرافی، تابش ورودی به سطح، آلبیدو، نرخ افت محیطی، پوشش گیاهی و مجموعه خصوصیّات بیوفیزیکی سطح به ­ عنوان پارامترهای محیطی در نظر گرفته شده است. برای محاسبه دمای سطح از الگوریتم تک کاناله استفاده و برای مدل­ سازی تابش ورودی به سطح مدل کولبو بهبود یافته ارائه شده است. همچنین برای مدل­ سازی آلبیدو سطح، از ترکیب باندهای انعکاسی لندست 8، نرخ افت محیطی از مدل رقومی ارتفاع و خصوصیات بیوفیزیکی از ترکیب­ های باندی تسلدکپ استفاده شده است. در نهایت برای محاسبه ضرایب مجهول مربوط به هر یک از پارامترها در مدل ارائه­ شده برای نرمال­ سازی دمای سطح با شرط مینیم شدن واریانس مقادیر دمای سطح نرمال­ شده، از مدل سرشکنی کمترین مربعات استفاده شده است. برای ارزیابی دقت نتایج مدل ارائه شده شاخص­ های ضریب همبستگی و خطای مجذور میانگین مربعات بین مقادیر دمای سطح مدل­ شده، مشاهده­ شده و اندازه­ گیری­ شده زمینی و واریانس مقادیر دمای سطح نرمال­ شده بکار گرفته شده است. نتایج حاصل از پژوهش نشان­ دهنده این است که برای محدوده­ ی مورد مطالعه، پارامتر تابش ورودی به سطح، بیشترین و پارامترهای ارتفاع و سبزینگی، کمترین تاثیر را بر مقدار و چگونگی توزیع دمای سطح دارند. مقدار ضریب همبستگی و خطای جذر میانگین مربعات بین دمای سطح مدل­ شده و دمای سطح مشاهده شده منطقه اول به ترتیب برابر با 97/0 و 53/1 و واریانس مقادیر دمای سطح نرمال­ شده 79/0 می­ باشد. همچنین نتایج حاصل از پژوهش، کارایی بالای مدل ارائه شده را برای نرمال سازی دمای سطح نسبت به پارامتر­ های محیطی نشان می­ دهد.

تصحیح­ های جوی، یکی از مهم­ ترین مراحل پیش­ پردازش تصاویر ماهواره­ ای محسوب می شوند که انجام آن ها از سوی کارشناسان این حوزه همواره به دلیل فقدان اطلاعات مکانی دقیق و پیچیدگی­ های محاسباتی، نادیده گرفته شده است. در این پژوهش، ابتدا یکی از جدیدترین و دقیق­ ترین روش­ های تصحیح جوی، برای نخستین بار برروی تصاویر سنجنده OLI در یک منطقه گرم و خشک پیاده­ سازی شد. سپس نتیجه های حاصل از آن در دو مرحله و در کاربری­ های مختلف ارزیابی شد. روش استفاده شده دارای دو ویژگی اساسی شامل الف)عدم نیاز به داده­ های اندازه­ گیری مکانی پیچیده و ب) اجرای ساده است. در مرحله اول مقادیر بازتابندگی تصاویر سنجنده OLI تصحیح و با محصول تابع توزیع بازتابندگی دو جهتی (BRDF) سنجنده مادیس (MACD43A4) مقایسه گردید. نتایج، همبستگی بالا (بین 95/0 تا 97/0) و خطای قابل قبول (در حدود 5/9 درصد) روش تصحیح جوی مدنظر این تحقیق را نشان داد؛ به نحوی که با اعمال روش تصحیح جوی، میزان خطا در تمامی باندها حدوداً 6/24 درصد کاهش یافت. در مرحله دوم تأثیر تصحیح حاصل بر مقدار آلبیدو پهن­ باند ارزیابی شد. برای این منظور، در ابتدا میزان آلبیدو پهن باند تصحیح شده با محصول مادیس (MCD43A3) در شرایط مفروض آسمان سفید(WSA) و سیاه(BSA) مقایسه شدند که کمترین میانگین مربعات خطا در این دو شرایط به ترتیب برابر با 049/0WSA و 066/0BSA بود. بیشترین تأثیر مقدار آلبیدو پهن باند قبل و بعد از تصحیح جوی به ترتیب مربوط به اراضی با خاک روشن، مناطق کوهستانی تیره و مناطق کشاورزی است. این میزان تغییرات در تمام کاربری­ ها کاهشی و حدوداً بین 05/0-18/0 برآورد شد. باتوجه به نتایج حاصل از پژوهش حاضر، اعمال تصحیح جوی جهت برآورد مقدار آلبیدو در تمام شرایط پیشنهاد می­ شود.

تصحیح اتمسفری تصاویر ماهواره­ ای هنگامی­ که شاخص­ های گیاهی برای تعیین تغییرات به کار می­ روند، از اهمیت زیادی برخوردار است. در این پژوهش، چهار روش تصحیح اتمسفری در برآورد پوشش­ گیاهی با استفاده از شاخص­ های گیاهی ارزیابی و اعتبارسنجی شد. برای این منظور، پوشش سبز گیاهی در 19 نقطه و با فواصل 400-1000متر در امتداد ترانسکتی به طول 10 کیلومتر و با 5 کوادرات در هر نقطه اندازه­ گیری شد (در هر دوره 95 کوادرات و در کل چهار دوره نمونه­ برداری، 380 کوادرات). سپس، تصاویر متناظر با تاریخ­ های نمونه­ برداری به چهار روش تصحیح شامل1) تصحیح اتمسفری جوّی آنی (QUAC) 2) تصحیح اتمسفری تجزیه­ و­ تحلیل سریع خط دید-اتمسفر ازطریق طیف ابر مکعب (FLAASH) 3) نرمال­ سازی تصاویر چندزمانه به روش تبدیل آشکارسازی تغییرات چند متغیّره وزن­ دار (IR-MAD) و 4) تبدیل اعداد رقومی به بازتابش بالای جوّ (TOA) اعمال شد. سپس دو شاخص نرمال شده پوشش گیاهی و شاخص پوشش­ گیاهی مقاوم به جوی محاسبه شد. در مرحله بعد، اعتبار سنجی مدل­ های رگرسیونی خطی برای رابطه بین پوشش و شاخص­ های­ گیاهی با دو شاخص­ گیاهی مذکور و بر مبنای چهار روش تصحیح بیان شده، بر اساس 33 درصد از داده­ های زمینی انجام شد. مقادیر ضریب همبستگی و تبیین، ریشه میانگین مربعات خطا، میانگین مطلق خطا و اریبی به عنوان سنجه­ های اعتبار هر روش محاسبه شد. پس از دستیابی به بهترین روش تصحیح، 10 شاخص­ گیاهی دیگر نیز علاوه بر دو شاخص ذکر شده، محاسبه و در نهایت پس از دستیابی به مدل برآورد تاج پوشش منطقه، نقشه تاج پوشش گیاهی برای چهار زمان تهیه شد. نتایج اعتبارسنجی نشان داد، مقدار ضریب تبیین و ریشه میانگین مربعات خطا در روش تجزیه و تحلیل سریع خط دید اتمسفر از طریق طیف ابر مکعب، نسبت به روش­ های تصحیح جوّی آنی، تبدیل آشکارسازی تغییرات چند متغیره وزن­ دار و تبدیل به بازتابش بالای جوّ، دقت بهتری داشت. مقدار ضریب تبیین به ترتیب برابر 61/0، 37/0، 2/0 و 57/0 برای شاخص پوشش­ گیاهی مقاوم جوّی و برابر 54/0، 39/0، 21/0 و 56/0 برای شاخص نرمال شده پوشش گیاهی می­ باشد. به علاوه، مقادیر ریشه میانگین مربعات خطا برابر 77/0، 97/0، 13/1 و 8/0برای شاخص پوشش­ گیاهی مقاوم به جوی و برابر 83/0، 96/0، 12/1 و 81/0 برای شاخص نرمال شده پوشش گیاهی می­ باشد. نقشه­ های تاج پوشش گیاهی نمایانگر ناهمگنی مکانی تاج پوشش در مرتع مرجن بوده و امکان برآورد تاج پوشش تمام فصول رویشی از یک مدل وجود دارد.

به علت تغییرات قابل توجه متغیرهای هیدرو اقلیمی در حوضه های آبریز بزرگ، مدل­ های مختلفی برای برآورد تبخیر-تعرق بااستفاده از داده­ های سنجش ازدور توسعه داده شده اند. هدف از این مطالعه، مقایسه سه مدل بیلان انرژی بر مبنای داده­ های سنجش ازدور برای برآورد نرخ تبخیر از دریاچه ارومیه، یکی از بزرگ ترین دریاچه های فوق شور جهان؛ می­ باشد. به این منظور نرخ تبخیر طی پنج روز بدون ابر با استفاده از تصاویر سنجنده مادیس و با استفاده از سه مدل مبتنی بر بیلان انرژی شامل الگوریتم بیلان انرژی برای سطح (SEBAL)، سیستم بیلان انرژی سطح (SEBS) و تبخیر روزانه وابسته به شوری (SDDE) محاسبه و با یکدیگر مقایسه شد. هر سه مدل قابلیت در نظر گرفتن تغییرات متغیرهای هواشناسی بر روی سطح دریاچه را دارا می­ باشند؛ ولی فقط مدل SDDE به طور خاص برای محیط آبی توسعه داده شده است و قابلیت درنظر گرفتن کامل اثر شوری آب بر نرخ تبخیر را دارا است. بر اساس نتایج، کمترین میانگین نرخ تبخیر از سطح دریاچه به ترتیب در مدل­ های SEBAL v. 1 و SEBAL v. 2 به دست آمد، درحالی که بیشترین مقدار متوسط نرخ تبخیر طی روزهای مطالعه بین مدل های SEBS و SDDE متغیر بود. همچنین تغییرات مکانی نرخ تبخیر به دست آمده با استفاده از مدل های SEBAL و SDDE، روند کاهشی از مرکز به سمت سواحل دریاچه را نشان داد. این الگو در مدل SDDE همگن تر است؛ درحالی که توزیع مکانی تبخیر در مدل SEBS به شدت وابسته به الگوی تغییرات سرعت باد می باشد. تبخیر به دست آمده از مدلSEBAL نوع اول در روز 28 تیر با مقدار 51/4، کمترین مقدار تبخیر و تبخیر بدست آمده از مدل SEBS در روز 12 تیر با مقدار 8/94، بیشترین مقدار تبخیر محاسبه شده در روزه­ های این مطالعه بود. حداکثر و حداقل تبخیر آب شیرین ایستگاه گلمانخانه به ترتیب 7/10 در 28 تیر و 4/4 در 31 اردیبهشت و حداکثر و حداقل تبخیر آب شور این ایستگاه به ترتیب 1/6 در 12 تیر و 1/3 در 31 اردیبهشت بر حسب میلی متر بود.

پروژه نقشه خیابانی باز (OSM)، یکی از محبوب ترین و شناخته شده ترین پروژه های اطلاعات مکانی داوطلبانه است که تمامی داده های آن مانند هندسه عوارض، روابط، اطلاعات توصیفی و تمامی نسخه های قبلی آن ها در فایل تاریخچه ذخیره می شوند. با توجه به سهولت در دسترسی به داده ها و همچنین چالش های موجود در بحث کیفیت آن ها، مسئله کیفیت اطلاعات مکانی تولید شده توسط OSM موضوع جذابی برای محققین است. ازجمله رویکردهایی که در تحقیقات پیشین به آن توجه نشده است، استفاده از فایل تاریخچه داده جهت بهبود کیفیت اطلاعات مکانی داوطلبانه می باشد. از این رو هدف از این پژوهش، ارائه راهکاری برای بهبود دقت موقعیتی عوارض خطی از طریق تولید داده جدید با استفاده از تاریخچه داده ها می باشد. جهت رسیدن به این هدف، رویکردی هندسی مبتنی بر تناظریابی عوارض و نمودار ورونوی ارائه می شود. برای بررسی کارآیی راهکار پیشنهادی، منطقه شش شهر تهران به عنوان منطقه مورد مطالعه انتخاب شد. در نهایت برای برآورد دقت، کیفیت مجموعه داده استخراج شده با مجموعه داده تولیدی شهرداری تهران به عنوان مجموعه داده مرجع مورد مقایسه قرار گرفت. باتوجه به نتایج به دست آمده از این مقایسه مشخص شد که دقت کامل بودن 03/9 درصد و دقت موقعیتی عوارض محیط OSM، 88/8 درصد بهبود یافت.

در سالیان اخیر، مدیریت صحیح منابع و زمان بندی مناسب جهت تخلیه اضطراری شهروندان از محل حوادث تروریستی به طور گسترده مورد توجه محققین حوزه برنامه ریزی شهری قرارگرفته است. در تحقیقات اندکی که در زمینه مدل سازی رفتار شهروندان و تروریست ها در مناطق شهری صورت گرفته، عموماً رفتار تروریست ها مورد بررسی قرار گرفته است. در این تحقیقات شهروندان تنها در یک گروه سنی، مدل سازی شده­ اند؛ درحالی که گروه های سنی مختلف شهروندان توانایی های متفاوتی در ­ هنگام وقوع حمله تروریستی دارند. هدف اصلی این پژوهش، توسعه مدلی عامل مبنا به منظور مدل سازی رفتار انسان ها به هنگام حمله تروریستی صورت گرفته در محیط شهری با توجه به زیرساخت های موجود است. در این پژوهش با توسعه عامل هایی، رفتار شهروندان، نیروهای دفاعی و تروریست ها شبیه سازی شده و از این طریق پتانسیل منطقه در برابر حمله تروریستی مورد ارزیابی قرار گرفته است. در این راستا با بررسی سناریوهای مختلف، امکان به حداقل رساندن تلفات ناشی از حملات تروریستی و تخلیه سریع منطقه فراهم شده است. در این تحقیق از روش یک بار-در یک زمان به منظور تحلیل حساسیت مدل شبیه سازی و تعیین پارامترهای حسّاس مدل تروریستی استفاده شده است. همچنین، به منظور توسعه و پیاده سازی مدل عامل مبنای پیشنهادی از نرم افزار NetLogo استفاده شده است. به عنوان یک مطالعه موردی، مدل عامل مبنای ارائه شده تحت سناریوهای شبیه­ سازی شده در منطقه 6 شهر تهران، اجرا و نتایج آن مورد تحلیل و بررسی قرار گرفته است. بر اساس نتایج حاصل از تجزیه­ و­ تحلیل سناریوهای مختلف شبیه­ سازی شده، می توان از طریق افزایش تعداد نیروهای دفاعی در منطقه، احتمال وقوع حمله تروریستی را به حداقل رساند. همچنین در صورت اختصاص 60 درصد نیروهای دفاعی به حفاظت از نقاط شلوغ و امن و 40 درصد به جستجو و کشف و نابودی عامل های تروریستی در منطقه، تعداد حملات تروریستی و تعداد کشته شدگان به نصف کاهش می یابد.

توصیف متمایز و کارآمد عوارض تصویری، یک فرآیند اساسی به منظور تناظریابی تصاویر در فتوگرامتری و سنجش از دور است. بیشتر توصیفگرهای موجود از یک پارامتر جهت، به منظور ایجاد توصیفگر مستقل از دوران استفاده می کنند. فرآیند تعیین جهت، فرآیندی توأم با خطا بوده و از قابلیت توصیفگرها می کاهد. در این پژوهش یک توصیفگر جدید بر مبنای الگوی باینری محلی که به طور ذاتی مستقل از دوران است با نام توصیفگر الگوی باینری مستقل از دوران (RILBP) ارائه شده است. به منظور ایجاد توصیفگر الگوی باینری مستقل از دوران، پیکسل های درون ناحیه ی تصویری براساس فاصله از مرکز و مقدار درجه خاکستری، به تعدادی زیر ناحیه تقسیم شده و سپس با استفاده از یک سیستم مختصات قطبی یک هسیتوگرام الگوی باینری محلی مستقل از دوران برای هر زیر ناحیه ایجاد می شود که با اتصال آنها به یکدیگر، توصیفگر نهایی ایجاد می شود. به منظور افزایش پایداری توصیفگر در برابر تغییرات هندسی، فرآیند وزن دهی با استفاده از دو پارارمتر وزن مبتنی بر فاصله و تابع گوسی انجام می شود. توصیفگر پیشنهادی بر روی شش جفت تصویر ماهواره ای از سنجنده های مختلف پیاده سازی شده و نتایج آن با چهار توصیفگر دیگر شامل الگوی باینری محلی مرکز متقارن (CS-LBP)، خودشباهتی محلی (LSS)، تبدیل ویژگی مستقل از مقیاس (SIFT) و هیستوگرام گرادیان رتبه مبنای چند ناحیه ای (MROGH) مقایسه شده است. بر اساس نتایج آزمایش ها عملکرد توصیفگر پیشنهادی برای سه معیار قابلیت تناظریابی، دقت تناظریابی و تعداد تناظرهای صحیح، بهتر از دیگر توصیفگرها بوده و به طور متوسط در مقایسه با توصیفگر استاندارد الگوی باینری محلی برای سه معیار فوق به ترتیب به میزان 25 درصد، 10 درصد و 30 درصد بهبود را نشان می دهد.

مسئله استخراج ساختمان از تک تصویر نوری هوایی با قدرت تفکیک مکانی بالا، همواره به عنوان یکی از چالش های مهم در تهیه نقشه به شمار می آید. هدف از پژوهش حاضر، بهره گیری از قطعه بندی معنایی تک تصویر نوری هوایی بر پایه تلفیق شبکه های عصبی کانوولوشنی عمیق و فیلترهای دوطرفه جهت استخراج ساختمان می باشد. به همین منظور، پس از انتخاب یک مجموعه داده مناسب از تصاویر نوری سه باندی، با در نظر گرفتن این که برای آموزش شبکه های عصبی عمیق نیاز است تا داده های آموزشی با تعداد زیاد انتخاب شوند و باتوجه به محدودیت های سخت افزاری در این پژوهش، پس از چندین بار آزمایش، حداقل داده ای که بالاترین نرخ دقت آموزش را به دست می دهد انتخاب گردید؛ تا نتایج به دست آمده، از کمبود داده های آموزشی تأثیر منفی نپذیرد. در این پژوهش، با بهینه سازی شبکه عصبی عمیق سِگنت که از نوع شبکه های کدگذار-کدگشا می باشد، با استفاده از تابع بهینه سازی برآورد لحظه تطبیقی و به کارگیری فیلترهای دوطرفه با کرنل گوسین، فرآیند پردازش و استخراج ساختمان از تصاویر نوری صورت گرفته است. نتایج تحقیق بر روی مجموعه داده مربوط به تصاویر نوری هوایی از مناطق شهری واقع در شهر پوتسدام آلمان از مجموعه داده های دو بعدی برچسب دار انجمن بین المللی فتوگرامتری و سنجش ازدور نشان داد؛ به کارگیری تلفیقی شبکه عصبی عمیق بهینه سازی شده سِگنت و فیلترهای دو طرفه با کرنل گوسین قابلیت های بسیار مناسبی از نظر بهبود شناسایی مرز ساختمان در مقایسه با روش های مشابه از تصاویر نوری با قدرت تفکیک مکانی بالا دارد. همچنین نتایج حاصل از روش پیشنهادی تحقیق با معیارهای تمامیّت و صحّت برای سه منطقه تست به ترتیب 14/95 و 37/92 درصد برای منطقه تست شماره یک، 67/91 و 20/90 برای منطقه تست شماره دو، 14/96 و 98/93 برای منطقه تست شماره سه می باشد.