انجمن کامپیوتر ایران

بعد از به­ وقوع پیوستن یک زلزله يكي از اساسي­ترين مسائل، شناسايي محل­هاي آسيب­ديده با ميزان خسارت بالا است تا بتوان كمك­هاي مورد نظر را به­صورت هدفمند به نقاط ضروري­تر رسانيد. همچنين شناخت مناطق آسيب­ديده مي­تواند كمك شاياني در محاسبه ميزان اعتبار و زمان لازم براي ترميم بافت­هاي آسيب­ديده در دسترس كارشناسان قرار دهد. روش­های مبتنی بر پردازش تصویر ابزارهای قدرتمندی در جهت آشکارسازی و طبقه­بندی ساختمان­های آسیب­دیده هستند. هدف این مقاله آشکارسازی صدمات ناشی از زلزله به ساختمان­ها به­وسیله­ی مقايسه تصاوير ماهواره­اي قبل و بعد از زلزله می­باشد. در اين مقاله هدف مشخص نمودن ميزان تخريب سقف­ها مي­باشد كه از داده­هاي برداري نقشه سقف­ها براي تشخيص ميزان خسارات نيز استفاده شده است. از آنجایی که زلزله معمولاً به­طور غیرخطی عمل می­کند، روش طبقه­بندی بر اساس ميزان خسارت توسط شبکه عصبی مي­تواند بسيار مطلوب باشد. نتایج پیاده­سازی نشان می­دهد که روش ارائه شده مکان­های آسیب­دیده را با دقت کلی 96 درصد تشخیص می­دهد.