طبقه بندي تغييرات ساختمانها با بكارگيري الگوريتم هاي يادگيري ماشين روي ابرنقطه حاصل از فتوگرامتري رقومي

امروزه الگوريتم‌هاي يادگيري ماشين در موضوع طبقه‌بندي به موفقيتهاي چشمگيري دست يافته و مقالات زيادي در اين زمينه منتشر گرديده است. در اين مقاله روشهاي يادگيري ماشين براي طبقه بندي تغييرات ساختمانها مورد توجه قرار گرفته است. مهمترين مراحل اين روش، آموزش مدل و يادگيري ، استخراج ويژگي و برچسب گذاري ساختمانها از نظر تغيير يافتگي مي باشد كه در قالب يك ساختار طبقه بندي نظارت شده و با استفاده از روشهاي يادگيري ماشين آموزش ديده و اجرا مي گردند. در اين تحقيق از قابليت توليد ابرنقطه رنگي و مدل رقومي سطح از تصاوير هوائي استرئو استفاده گرديده و با بكارگيري اختلاف دو مدل رقومي سطح DDSM در دو بازه زماني، ضمن حذف درختان با استفاده از شاخص NDVI و فيلتر اطلاعات داخل معابر، با استخراج ويژگي‌هاي راديومتريك و ارتفاعي، از الگوريتم هاي SVM و جنگل تصادفي براي طبقه بندي تغييرات ساختمانها استفاده گرديده است و سپس اين تغييرات در سه گروه شامل ساختمان‌هاي بازسازي شده، داراي تغييرات ارتفاعي و جديدالاحداث، دسته بندي مي‌شود. محصول نهائي اين روش تهيه نقشه تغييرات ساختمانها و طبقه بندي نوع تغييرات مي‌باشد. نتايج اين تحقيق نشان دهنده موثر بودن استفاده از روشهاي يادگيري ماشين بوده و ميزان دقت و صحت استخراج و طبقه بندي تغييرات در مناطق شهري به ترتيب 96 و 82 درصد را در برداشته است.