Hiperspektral hedef tanıma yöntemine dayalı olarak şantiye toz ağlarının çıkarılması

Arka Plan Girişi

Şehirleşme için hayati öneme sahip şantiyeler, her zaman toz kirliliğinin başlıca kaynaklarından biri olmuştur. Son yıllarda hükümetin kentsel çevre kalitesine yönelik artan talepleriyle birlikte, şantiyelerden kaynaklanan toz kirliliğinin etkin bir şekilde kontrol edilmesi kamuoyunun dikkatini çekmiştir. Bu bağlamda, etkili ve pratik bir toz kontrol aracı olan toz kontrol ağları, şantiyelerde giderek daha yaygın olarak kullanılmakta ve toz kontrol çabalarının vazgeçilmez bir parçası haline gelmektedir. Bu nedenle, toz kontrol ağı verilerini çıkarıp istatistiksel olarak analiz ederek, şantiyelerin dağılımını ve ilerlemesini dolaylı olarak değerlendirebilir ve inşaat faaliyetleri için riskli bölgeleri belirleyebiliriz.

Yöntemler ve Prensipler

Bu çalışmada, 6 Nisan 2025 tarihinde Xiguang-1 05 uydusu tarafından çekilen Xi'an bölgesinin hiperspektral görüntüleri kullanılmıştır. Toz ağlarının, ışığın bir kısmının geçmesine izin veren boşlukları olduğundan, yansıtma özellikleri kapladıkları yüzeye bağlı olarak biraz farklılık gösterir. Geleneksel görüntü sınıflandırma yöntemleri etkisizdir ve bazı bina çatılarıyla kolayca karıştırılabilir. Bu nedenle, hedef tanıma yöntemlerine dayanarak, görsel yorumlamaya dayalı olarak toz ağı piksellerinin spektrumlarını uç elemanlar olarak çıkardık ve bir spektral kütüphane oluşturduk. Daha sonra bu spektral kütüphaneye dayanarak toz ağı çıkarımı gerçekleştirildi.

Tablo 1. Veri Tanıtımı

işlem

1. Radyasyon kalibrasyonu:Orijinal DN değeri verileri, görünür ışıma verilerini elde etmek için radyometrik kalibrasyon katsayıları kullanılarak radyometrik olarak düzeltilir.

2. Atmosferik düzeltme:Yüzey yansıma verilerini elde etmek için 6S modeli kullanılarak atmosferik düzeltme yapıldı.

3. Görüntü kaydı:İşlenen veriler daha sonra temel haritaya göre coğrafi olarak referanslandırılır.

4. Uç eleman çıkarma:Toz geçirmez ağdan birden fazla piksel seçin, ortalama spektrumu hesaplayın ve bunu bir uç eleman olarak kaydedin.

5. Hibrit Piksel Ayrıştırma:Deneyler, toz ağı hedefine yakın pikselleri filtrelemek için manuel eşikleme kullanıldığında, Uyarlanabilir Tutarlılık Tahmincisi algoritmasının bu senaryoda en iyi performansı gösterdiğini ortaya koydu.

6. Vektörleştirme ve ısı haritası oluşturma:Çıkarılan raster pikseller noktalara ve çokgenlere dönüştürülür ve çekirdek yoğunluk tahmini algoritması kullanılarak noktalara dayalı bir ısı haritası oluşturulur.

Sonuçları Görüntüle

Şekil 1. Toz geçirmez ağ için spektral örnekleme noktalarının dağılımı

Şekil 2. Toz geçirmez ağ örneklemesinin spektral eğrisi

Şekil 3. Toz geçirmez ağın ortalama spektrumuna dayalı olarak oluşturulan spektral kütüphane.

Şekil 1, toz kontrol ağlarının tipik spektrumlarının örnekleme noktalarını göstermektedir. Şekildeki tüm örnekleme noktaları, en son zamansal görüntülerin görsel yorumlanması yoluyla elde edilmiştir. Şekil 2, her bir örnekleme noktasının spektrumunu göstermektedir; yüzey bitki örtüsündeki farklılıklar nedeniyle kırmızı kenar ve yakın kızılötesi bölgelerde hafif farklılıklar mevcuttur. Şekil 2'deki ortalama spektrum hesaplanmış ve daha sonraki karışık piksel ayrıştırması için spektral kütüphane formatında kaydedilmiştir (Şekil 3).

Şekil 4. Xi'an ve çevresindeki inşaat alanlarında toz kontrol ağlarının dağılımını gösteren ısı haritası.(6 Nisan 2025)