باستان شناسان به خوبی می دانند که آثار مختلف باستان شناسی قابل مشاهده_مثل خاک،علایم کاشت، علایم سایه و نشانه های مرطوب_ شواهد بسیار مهمی هستند که نشان دهنده وجود بقایای باستان شناختی از فضا هستند. این علایم به علت شرایط مختلف جغرافیایی و توپوگرافی در مقایسه با محیط اطراف خود، قابل مشاهده هستند. علایم خاک می تواند در رنگ، شکل و یا بافت خاک ظاهر شود. به منظور شناسایی این ویژگی های دفن شده، از انواع تصاویر سنجش از دور استفاده شده است از جمله عکس های هوایی، تصاویر فضایی و رادار ، تصاویر لیدار همچنین تصاویر طیف سنجی. اخیراً باستان شنان به شناسایی ویژگی های باستان شناختی با بکارگیری تصاویر با رزولوشن بالا علاقه مند شده اند که با تصاویرتجاری ماهواره ای امکان آن فراهم شده است.
با این وجود، جمع آوری این داده ها زمانگیر و پرهزینه است بنابراین محدودیت های شدیدی دراندازه منطقه ای که می توان بررسی کرد وجود دارد. در همین حال ، گوگل ارث ، برنامه کامپیوتری اطلاعات جغرافیایی یک جهان مجازی است که در سال 2005 منتشر شده است، و در حال حاضر به طور گسترده توسط برنامه ریزان،سیاست گزاران و مردم در تحقیقات و تدریس در علوم انسانی و علوم اجتماعی و طبیعی مورد استفاده قرار گرفته است . در طول دهه گذشته گوگل ارث یک نوع بی سابقه از تصاویر با رزولیشن بالا با وضوح فضایی 1 متر یا بیشتر ارائه داده است. اگرچه این اطلاعات مالتی اسپکترال را ارائه نمی دهند. امابرای اولین بار حتی سایت های کوچک باستان شناسی نیز قابل شناسایی شد که یک گام بزرگ برای پیشبرد باستان شناسی است.
استخراج آثار باستانی از تصاویر سنجش از دور به عنوان یک کار مهم قبل از پردازش بیشتر است. تجزیه و تحلیل داده های سنجش از را دور و پردازش برای استخراج بقایای باستان شناختی اساساً تفسیر دستی یا بصری بوده است . این شناسایی دستی موجب جلوگیری از اثرات غلط می شود اما وقت گیر هستند و بشدت به تجربه دیجیتال سازی باستان شناسان بستگی دارد . ردیابی بقایای باستان شناسی بسیار سخت است.آنها اغلب به عنوان اجزای جزئی به نظر می رسند که از وضوح تصویر درشت ، تخریب تصویر و حضور موانع (درختان،اشیاء ساخته انسان وغیره) به نظر میرسد که دید را کاهش می دهد. بقایای باستان شناختی ویژگی های مشابهی در تصاویر دارند از قبیل تنوع در سایه،رنگ خاک، الگوی رطوبت، نشانه های برف و علائم دیگر . به عبارتی، اکثر روش ها بر روی استفاده از کاربردهای افزایش رادیومتریک، فیلترهای فضایی و شاخص های طیفی برای تحقیقات باستان شناختی تمرکز کرده اند. به منظور صرفه جویی در وقت ونیروی انسانی، مطالعات متعددی تلاش کرده اند روش های اتوماتیک را برای استخراج عناصر باستان شناسی بکار گیرند.
روش های استخراج بقایای باستان شناختی مبتنی بر تصویر به دو دسته کلی تقسیم می شود : یکی از آنها بدون نظارت که کاملاً رویکرد خودمختار و آزادانه ای است و دیگری نظارت شده که نیاز به ورود یک متخصص دارد. روش های کنترل نشده (نظارت نشده) به تکنیک های تشخیص الگو برای شناسایی اثر باستان شناختی در یک تصویر به عنوان ویژگی های دایره ای یا بیضی شکل بستگی دارد. تصویر اصلی برای افزایش شناسایی بقایای باستان شناختی و استخراج واقعی با استفاده از تبدیل هاف ، الگوریتم های ژنتیکی یا رویکرد تقسیم تصویر که مناطق با کنتراست واضح را شناسایی می کند برای پیش پردازش بکار می روند. همچنین مقایسه سه روش _GISوپیکسل و تکنیک های شی گرا_ نشان داده اند که روش مبتنی بر شی در تشخیص دیوارها بهترین روش را دارد
روش های نظارت شده از مفاهیم یادگیری ماشین برای آموزش الگوریتمی برای استخراج بقایای باستان شناختی استفاده می کند. در مرحله یادگیری ، یک مجموعه از تصاویر حاوی بقایای باستان شناختی توسط متخصصین امر به یک الگوریتم داده می شود و در مرحله استخراج ،الگوریتم اثار باستانی را در یک مجموعه جدید بدون برچسب نشان می دهد. تکنیک مدل قالب پیوسته-صعودپذیر برای دستیابی به استخراج مقبره های باستانی عربی و علایم کشاورزی استفاده شده است . D’Orazio یک روش نیمه اتوماتیک برا استخراج بقایای باستان شناختی در یک منطقه بر اساس مدل کنتور فعال استفاده کرده است و در آن روش های استخراج بقایای باستان شناختی شامل ترکیبی از مدل کنتور فعال ، تقسیم بندی تصویر و تحلیل فیلتر شی گرا استفاده کرده . در الگوریتم های نظارت نشده و نظارت شده ماشین های برداری با هم مورد آزمایش قرار گرفت ، که باعث بهبود دقت استخراج تصاویر رادار زمین نفوذ می شوند.
انتشار یافته برای اولین بار در این وبگاه
"ذکر منبع حرفه یی گری شما را نشان میدهد"