EVALUACIÓN DE LOS NIVELES DE LAS CARRETERAS DE ALTA RESOLUCIÓN CON IMÁGENES SATELITALES EN EL DEPARTAMENTO DE MADRE DE DIOS 2022

        [pic 1]

[pic 2]

FACULTAD DE INGENIERÍA Y ARQUITECTURA

ESCUELA ACADÉMICA PROFESIONAL DE INGENIERÍA CIVIL/PROGRAMA PREGRADO

TÌTULO:

EVALUACIÓN DE LOS NIVELES DE LAS CARRETERAS DE ALTA RESOLUCIÓN CON IMÁGENES SATELITALES EN EL DEPARTAMENTO DE MADRE DE DIOS 2022

ASIGNATURA:

FÍSICA

AUTORES:

• CORI NARVAJA GERSON JUNIOR
• RIVEROS VASQUEZ BRYAM ADRIAN (0000-0002-1439-6515)                    
• YPANAQUE URCIA SANTOS DAVID (0000-0002-5057-6564)

DOCENTE:

Jorge Luis Susanibar Zevallos

PERÙ

2022 – II

1. Introducción: Este trabajo discute principalmente los impactos ambientales y sociales directo de las carreteras. En la actualidad existen problemas sobre los niveles de las carreteras en el departamento de Madre de Dios en Perú como los impactos indirectos de las carreteras en especial en condiciones amazónicas, son gravísimos y han adquirido fama mundial. En los departamentos de Madre de Dios y Ucayali la carretera incentivara la explotación forestal legal o ilegal pero siempre destructiva, de extractores pequeños y medianos. Es importante tener en cuenta: Es importante tener en cuenta optimizar el número y la posición de los puntos clave de la carretera y es capaz de derivar los ejes de la carretera sin tener en cuenta las características geométricas, espectrales o topológicas del modelo de carretera, se hacen varias observaciones sobre la base de una extensa evaluación de el algoritmo propuesto usando imágenes IKONOS pan-shapened.(Ameri, F.; Zoej, M.J.V, 2015, p30). Por otro lado se puede construir una representación gráfica de la imagen basada en la segmentación inicial y Jerárquica fusión y división de segmentos de imágenes en función de características de color y forma, y pos-procesamiento para eliminar irregularidades en los segmentos de carretera extraídos.(Alshehhi, R.; Marpu, P.R,2016, p126). El resultado final de la segmentación basada en gráficos después de integrar las características de color y forma como funciones de ponderación. El resultado tiene algunas regiones de carretera discontinuas debido a artefactos en las carreteras (p. ej., árbol, sombra, vehículo, etc.). Tambien se puede extraer carreteras de un mapa binario utilizando el enfoque de coincidencia de segmento de línea y suavizar la imagen y preservar las características, lo que es muy adecuado para el filtrado de bordes. Los segmentos de carretera extraídos tienen muchas ramificaciones, lo cual es muy común en una aplicación del mundo real. Para aplicar MARS al caso antes mencionado, esta carta propuso una estrategia para extraer la línea central de la carretera que se resume en la Primero, las áreas de cruce del resultado de detección de carreteras se detectan mediante el método de votación de tensor. Luego, el resultado de la detección de carreteras se descompone en partes aisladas rama por rama. Por último, las líneas centrales se extraen aplicando MARS a cada rama.El uso de características de forma conduce a la detección efectiva de características lineales. La extracción de la línea central usando MARS muestra una buena suavidad. El resultado experimental ha sido evaluado para mostrar la efectividad del método propuesto.(Miao, Z.; Shi, W.; Zhang, H.; Wang, X,2013, p10). La precisión del área de prueba es menor que la de las otras áreas es principalmente la imprecisión en la clasificación. el método desarrollado fue probado en tres imágenes de un área urbana registradas por el QuickBird satélite. Los conjuntos de datos de prueba se descargaron de una base de datos de imágenes disponible gratuitamente reunida para fines de extracción de carreteras, donde el investigador ha presentado un método de extracción automática de carreteras, para ser aplicado a imágenes de satélite VHR. El método propuesto se basa en objetos derivados de la segmentación de imágenes.( Miao, Z.; Shi, W.; Gamba, P.; Li, Z,2015, p8). Extraer objetos hechos por el hombre (p. ej., carreteras y edificios) a partir de imágenes de sensores remotos juega un papel importante en muchas aplicaciones urbanas (p. ej., uso de suelo urbano y evaluación de la cobertura del suelo, actualización de bases de datos geográficas, detección de cambios, etc.). La mejora por el procesamiento es evidente en la extracción de edificios que en el caso de la extracción de carreteras. Presenta muchos edificios adyacentes como un solo objeto, especialmente edificios más pequeños. Eso muestra que nuestra predicción de clase única supera a otros métodos. Sin embargo, todos los modelos tienen menor calidad en la extracción de edificios.( Alshehhi, R.; Marpu, P.R.; Woon, W.L.; Mura, M.D,2017, p130). La extracción de carreteras a partir de imágenes aéreas ha sido un tema candente de investigación en el campo del análisis de imágenes de teledetección. Probamos nuestra red en un conjunto de datos de carreteras públicas y la comparamos con U-Net y otros dos métodos de extracción de carreteras basados en aprendizaje profundo de última generación. Por ejemplo, Song y Civco propusieron un método que utiliza la función de índice de forma y la máquina de vectores de soporte para detectar áreas de carreteras. explotó dos características sobresalientes de las carreteras y diseñó un marco de varias etapas para extraer carreteras.( Paisitkriangkrai, S.; Sherrah, J.; Janney, P.; Hengel, V.D, 2015). El análisis de imágenes satelitales de alta resolución ha sido un tema de investigación importante para el análisis urbano. A partir de una imagen original, es difícil y computacionalmente costoso extraer carreteras debido a la presencia de otras características similares a carreteras con bordes rectos. Finalmente, la precisión de las imágenes extraídas de la carretera se evalúa en función de las medidas de calidad.( Sui, H.; Hua, L.; Gong, J,2003). En la actualidad, la adquisición y actualización en tiempo real de datos GIS es el problema de cuello de botella más importante que restringe la aplicación de GIS. Los datos GIS tradicionales provienen directamente del levantamiento y mapeo manual del sitio de trabajo. Esto proporciona nuevas ideas y medios para la adquisición dinámica y actualización en tiempo real de datos GIS y luego el desarrollo de digital medición y mapeo, reconocimiento de objetivos móviles y planificación del tráfico.(Chen, H.; Yin, L.; Ma, L,2014, pp 151-155). La entrada es una imagen satelital multi espectral de nitidez panorámica IKONOS del área de Hobart en Australia. Se considera la imagen con tres bandas de un metro de resolución terrestre cubriendo áreas de 467 x 327 píxeles. La imagen preprocesada se proporciona como entrada al algoritmo de ajuste de nivel. Las extracciones de carreteras anteriores que usaban el conjunto de niveles requerían puntos de semilla de carretera y se eliminan al establecer el radio del círculo de píxeles y la distancia firmada al círculo de píxeles se establece en 5 y 2 respectivamente para la extracción de características de la carretera. El algoritmo de desplazamiento medio se aplica a la imagen preprocesada para extraer los segmentos de carretera. Las extracciones de carreteras anteriores han utilizado el cambio medio para el filtrado inicial y se utilizan pasos adicionales para eliminar los segmentos que no son de carretera. El resultado obtenido por el método de desplazamiento medio se muestra en la Figura 4 Las extracciones de carreteras anteriores han utilizado el cambio medio para el filtrado inicial y se utilizan pasos adicionales para eliminar los segmentos que no son de carretera.(Sui, H.; Hua, L.; Gong, J,2003, 226-238).

...