بهبود طبقه بندي منطقه شهري با استفاده از تلفيق تصاوير اپتيك چندباندي و لايدار با قدرت تفكيك مكاني بالا

امروزه با گسترش مناطق شهري توليد اطلاعات دقيق و به روز از جمله اطلاعات اساسي، به منظور مديريت و برنامه‌ريزي شهرها است. گسترش روز افزون تكنولوژي سنجش از دور امكان استخراج اطلاعات متنوع از پوشش‌هاي شهري را فراهم آورده كه موجب جلب توجه محقق‌هاي فراواني به اين موضوع شده است. وجود عوارض متنوع و نيز كاربري‌هاي مختلف اطلاعات مكاني مناطق شهري، تلفيق منابع داده مختلف به منظور شناسايي عوارض را به امري كاربردي مبدل كرده است. هدف اين تحقيق تلفيق ويژگي‌هاي بهينه استخراج شده از داده‌هاي اپتيك و لايدار به منظور شناسايي عوارض شهري در منطقه مورد مطالعه مي‌باشد. در اين راستا ويژگي‌هاي مختلفي از هر يك از اين داده‌ها استخراج شده است. از جمله اين ويژگي‌ها مي‌توان به ويژگي‌هاي رنگي، شاخص گياهي و بافت از تصوير اپتيك و ويژگي‌هاي نرمي، مدل ارتفاعي رقومي نرمال و زبري از تصوير ليدار اشاره نمود. سپس به منظور انتخاب ويژگي‌هاي بهينه از الگوريتم ژنتيك استفاده شده است. در انتها با استفاده از روش طبقه‌بندي كننده ماشين‌بردار پشتيبان به شناسايي عوارض مورد نظر پرداخته شده است. دقت طبقه‌بندي كننده الگوريتم ماشين بردار پشتيبان در منطقه مورد مطالعه با استفاده از ويژگي‌هاي بهينه و داده‌هاي اوليه 88.734 محاسبه شده كه نسبت به طبقه‌بندي داده اوليه اپتيك چندباندي داراي بهبود 25.438 درصدي و نسبت به طبقه‌بندي داده اوليه لايدار داراي بهبود 18.236 درصدي است. نتايج بررسي نشان دهنده افزايش دقت طبقه‌بندي با استفاده از ويژگي‌هاي بهينه در كنار باندهاي اوليه است.