జర్నల్ ఆఫ్ రిమోట్ సెన్సింగ్ & GIS

నైరూప్య

ఆబ్జెక్ట్ బేస్డ్ ఇమేజ్ అనాలిసిస్ ఉపయోగించి హై రిజల్యూషన్ శాటిలైట్ డేటా నుండి ఆటోమేటిక్ అర్బన్ రోడ్ ఎక్స్‌ట్రాక్షన్: అస్పష్టమైన వర్గీకరణ విధానం

యాదవ్ DP*, నాగరాజన్ K, పాండే H, తివారీ P, Narawade R

తీవ్రమైన ఆర్థిక సంక్షోభంతో ఉన్న ప్రస్తుత ప్రపంచంలో, ఏ ప్రాజెక్ట్‌కైనా సమయం మరియు ఖర్చు అత్యంత కీలకమైన అంశాలు. సివిల్ ఇంజినీరింగ్ అనేది సైట్ ఎగ్జిక్యూషన్ యొక్క ఒక రంగం, ఇక్కడ అనేక కారణాల వల్ల కార్యకలాపాలు పూర్తి కావడానికి తగినంత సమయం అవసరం మరియు కోవిడ్-19 వంటి ఏదైనా అంటువ్యాధి పరిస్థితి ఆన్‌సైట్ కార్యకలాపాలను నిర్వహించడం కష్టతరం చేస్తుంది. అందువల్ల ఏదైనా GIS సాఫ్ట్‌వేర్‌లో అవసరమైన లక్షణాలను స్వయంచాలకంగా సంగ్రహించవచ్చు మరియు విశ్లేషించగలిగేలా ప్రణాళికా ప్రయోజనం కోసం ఉపగ్రహ డేటాను స్వీకరించడం ముఖ్యమైనది. ఈ కాగితం మసక వర్గీకరణ సాంకేతికతను ఉపయోగించే అధిక-రిజల్యూషన్ ఉపగ్రహ డేటా నుండి రహదారి లక్షణాలను వెలికితీసే లక్ష్యంతో ఉంది. 0.5 మీ ప్యాంక్రోమాటిక్ మరియు 2 మీ మల్టీస్పెక్ట్రల్ రిజల్యూషన్‌తో భారతదేశంలోని గుజరాత్ రాజధాని నగరం గాంధీ నగర్ యొక్క వరల్డ్‌వ్యూ-2 ఉపగ్రహ డేటా ఉపయోగించబడింది. 0.5 మీ మల్టీరిజల్యూషన్ పాన్-షార్పెన్డ్ శాటిలైట్ ఇమేజ్‌ని పొందేందుకు ప్రిన్సిపల్ కాంపోనెంట్ అనాలిసిస్ యొక్క బిలినియర్ శాంప్లింగ్ టెక్నిక్‌ని ఉపయోగించడం ద్వారా ఇమేజ్ ఫ్యూజన్ నిర్వహించబడుతుంది. మల్టీరిజల్యూషన్ ఇమేజ్ సెగ్మెంటేషన్ చేయడం ద్వారా మరియు ఆబ్జెక్ట్-బేస్డ్ ఇమేజ్ ఎనాలిసిస్ పద్ధతిని అనుసరించడం ద్వారా వర్గీకరణ కోసం ఒక నియమాన్ని అభివృద్ధి చేయడం ద్వారా రోడ్ ఫీచర్ సంగ్రహించబడుతుంది. దీని ఖచ్చితత్వ అంచనా సంపూర్ణత 71.65%, ఖచ్చితత్వం 70.33% మరియు నాణ్యత 59.98%. ఈ పద్ధతి తులనాత్మకంగా తక్కువ డేటా లభ్యతతో ఫీచర్ వెలికితీత కోసం వేగవంతమైన నవల విధానాన్ని అందిస్తుంది, ఎందుకంటే సూర్యకాంతి వైవిధ్యం లేదా నేపథ్య జ్ఞానం లేదా ఎత్తు సమాచారం ఉపయోగించబడదు, ఇది మహమ్మారి తగిన రిమోట్ ప్రాప్యత మరియు ఖర్చుతో కూడుకున్న విధానానికి దారి తీస్తుంది.