الگوریتم Mask R-CNN برای استخراج مرز زمین‌های کشاورزی از تصاویر ماهواره‌ای شهرستان کنگاور استان کرمانشاه
  •   آرشیو : نسخه پاییز 1403
  •   کد پذیرش : 1428
  •   موضوع : سایر شاخه ها
  • نویسنده/گان : | ندا رحیم‌پور انارکی، علیرضا آزادبخت، امیر معینی‌راد، حمید صالحی شهرابی، امید ابراهیمی، آرش زند‌کریمی
  •   زبان : فارسی
  •   نوع مقاله : پژوهشی
  •   چکیده مقاله به فارسی : سرعت بخشیدن به تهیه مرز کاداستر زمین‌های کشاورزی از اهمیت بالایی برخوردار است. امروزه با ترویج تصاویر ماهواره‌ای و هوایی، بهره‌گیری از روش‌های یادگیری عمیق برای استخراج خودکار مرزها از این ‌دسته تصاویر، از جمله راهکارهایی است که برای حل مسأله به کمک ما می‌آیند. در این مقاله، طی دو عملیات پردازش و پس‌پردازش هندسی، به استخراج خودکار مرزهای کاداستر زمین‌های کشاورزی می‌پردازیم. در عملیات پردازش، با هدف قطعه‌بندی نمونه‌ای تصویر، شبکه Mask R-CNN بعنوان هسته مرکزی مورد استفاده قرار می‌گیرد که از طریق رویکرد یادگیری انتقالی با استفاده از شبکه از پیش‌آموزش‌دیده‌ی ResNet-50 آموزش می‌بیند که از قبل روی مجموعه داده‌ی ImageNet آموزش دیده است. در عملیات پس‌پردازش هندسی، علاوه بر ارائه الگوریتمی جدید برای ساده‌سازی چندضلعی‌ها به فرمت برداری، خروجی خام شبکه را در سه مرحله بهبود می‌بخشیم. کسب مقادیر 74%، 91% و 81% به ترتیب برای معیارهای Precision، Recall و F-score بر روی تصویری ماهواره‌ای از مناطق زراعی شهرستان کنگاور در استان کرمانشاه، نشان‌دهنده‌ی نتایج قابل اتکایی در این زمینه هستند.
  •   لیست منابع : [1] S. Crommelinck, M. Koeva, M. Y. Yang and G. Vosselman, "Application of deep learning for delineation of visible cadastral boundaries from remote sensing imagery," Remote sensing, vol. 11, p. 2505, 2019.
    [2] S. Enemark, K. C. Bell, C. Lemmen and R. McLaren, Fit-for-purpose land administration. International Federation of Surveyors (FIG), Copenhagen: International Federation of Surveyors (FIG), 2014.
    [3] X. Luo, R. Bennett, M. Koeva, C. Lemmen and N. Quadros, "Quantifying the overlap between cadastral and visual boundaries: A case study from Vanuatu," Urban Science, vol. 1, p. 32, 2017.
    [4] S. Crommelinck, R. Bennett, M. Gerke, F. Nex, M. Y. Yang and G. Vosselman, "Review of automatic feature extraction from high-resolution optical sensor data for UAV-based cadastral mapping," Remote Sensing, vol. 8, p. 689, 2016.
    [5] K. Kocur-Bera and H. Frąszczak, "Coherence of cadastral data in land management—a case study of rural areas in Poland," Land, vol. 10, p. 399, 2021.
    [6] M. Koeva, C. Stöcker, S. Crommelinck, M. Chipofya, K. Kundert, A. Schwering, J. Sahib, T. Zein, C. Timm, M. I. Humayun and others, "Innovative geospatial solutions for land tenure mapping," Rwanda Journal of Engineering, Science, Technology and Environment, vol. 3, 2020.
    [7] X. Luo, R. M. Bennett, M. Koeva and C. Lemmen, "Investigating semi-automated cadastral boundaries extraction from airborne laser scanned data," Land, vol. 6, p. 60, 2017.
    [8] X. Xia, C. Persello and M. Koeva, "Deep fully convolutional networks for cadastral boundary detection from UAV images," Remote sensing, vol. 11, p. 1725, 2019.
    [9] A. A. M. T. H. F. S. R. K. A. J. Neda Rahimpour Anaraki, "Automatic CAdastral boundary Detection of Very High Resolution Images Using Mask-RCNN," Journal of Electrical and Computer Engineering Innovations, 2024.
    [10] J.-D. Yang, Y.-S. Chen and W.-H. Hsu, "Adaptive thresholding algorithm and its hardware implementation," Pattern Recognition Letters, vol. 15, p. 141–150, 1994.
    [11] J. Canny, "A computational approach to edge detection," IEEE Transactions on pattern analysis and machine intelligence, p. 679–698, 1986.
    [12] L. Drăguţ, O. Csillik, C. Eisank and D. Tiede, "Automated parameterisation for multi-scale image segmentation on multiple layers," ISPRS Journal of photogrammetry and Remote Sensing, vol. 88, p. 119–127, 2014.
    [13] S. Crommelinck, R. Bennett, M. Gerke, M. Y. Yang and G. Vosselman, "Contour detection for UAV-based cadastral mapping," Remote sensing, vol. 9, p. 171, 2017.
    [14] I. I. Sophie Crommelink, "QGIS Plugin Repository: BoundaryDelineation," 2019.
    [15] C. Persello and A. Stein, "Deep fully convolutional networks for the detection of informal settlements in VHR images," IEEE geoscience and remote sensing letters, vol. 14, p. 2325–2329, 2017.
    [16] B. Fetai, K. Oštir, M. Kosmatin Fras and A. Lisec, "Extraction of visible boundaries for cadastral mapping based on UAV imagery," Remote sensing, vol. 11, p. 1510, 2019.
    [17] B. Fetai, M. Račič and A. Lisec, "Deep learning for detection of visible land boundaries from UAV imagery," Remote Sensing, vol. 13, p. 2077, 2021.
    [18] B. Fetai, D. Grigillo and A. Lisec, "Revising cadastral data on land boundaries using deep learning in image-based mapping," ISPRS International Journal of Geo-Information, vol. 11, p. 298, 2022.
    [19] GRASS Development Team, "Geographic Resources Analysis Support System (GRASS GIS) Software, Version 8.2," 2022.
    [20] D. H. Douglas and T. K. Peucker, "Algorithms for the reduction of the number of points required to represent a digitized line or its caricature," Cartographica: the international journal for geographic information and geovisualization, vol. 10, p. 112–122, 1973.
    [21] J. Deng, W. Dong, R. Socher, L.-J. Li, K. Li and L. Fei-Fei, "Imagenet: A large-scale hierarchical image database," in 2009 IEEE conference on computer vision and pattern recognition, 2009.
    [22] K. Wada, labelme: Image Polygonal Annotation with Python, GitHub, 2018.
    [23] M. De Berg, Computational geometry: algorithms and applications, Springer Science & Business Media, 2000.
  •   کلمات کلیدی به فارسی : نقشه برداری کاداستر، شبکه Mask R-CNN، سنجش از دور، قطعه‌بندی نمونه‌ای
  •   چکیده مقاله به انگلیسی :
  •   کلمات کلیدی به انگلیسی :
  •  صفحات : 1-18
  •   دانلود فایل ( 1.57 MB )