چکیده
1. مقدمه
2. مجموعه داده
3. روش شناسی
3.1. پیش پردازش
3.2. تحلیل مؤلفههای مستقل
3.3. پس پردازش
3.3.1. آستانهگذاری
3.3.2. اصلاحات مورفولوژیکی
3.3.3. فیلتر کردن هندسی
4. نتایج
4.1. ارزیابی عملکرد در سطح پیکسلی
4.2. ارزیابی عملکرد در سطح شی
5. نتیجهگیریها
6. تشکر و قدردانی
نمونه چکیده متن اصلی انگلیسی
ABSTRACT
In the recent past there is increased interest in detection and extraction of buildings using object based approaches on given high to very high resolution imagery. In this paper, we introduce a new unsupervised approach to detect buildings from the very high resolution (VHR) multispectral satellite image. Independent component analysis (ICA) followed by Otsu thresholding is used for extraction of multicoloured buildings of diversified size and shape. QuickBird image of Legaspi city has been used to analyze the technique and detection results obtained from three subset images indicate average detection percentage of 84.35 % along with 38.19 % branch factor value. Object-level evaluation results give 72.48% for fully detected buildings count.
نمونه چکیده ترجمه متن فارسی
چکیده
در گذشته نه چندان دور علاقه افزونی در تشخیص و استخراج ساختمانها با استفاده از روشهای مبتنی بر شی بر روی تصاویر معین با قدرت تفکیک بالا تا بسیار بالا وجود داشت. در این مقاله، ما یک روش بدون نظارت جدید را برای تشخیص ساختمانها از تصویر ماهوارهای چندطیفی با قدرت تفکیک بسیار بالا (VHR) معرفی میکنیم. تحلیل مؤلفههای مستقل (ICA) همراه با آستانهگذاری اوتسو برای استخراج ساختمانهای با رنگهای متعدد و اندازه و شکل متنوع مورداستفاده قرار گرفت. تصویر کوئیک برد از شهر Legaspi برای تحلیل تکنیک استفاده شده است و نتایج آشکارسازی به دست آمده از سه تصویر زیرمجموعه متوسط درصد تشخیص 35/83% و همچنین مقدار فاکتور شاخهای 19/38% را نشان میدهد. نتایج ارزیابی در سطح شی برای شمار ساختمانهایی که بهطور کامل شناسایی شدند 48/72% را ارائه داد.