تركيب تصاوير چندطيفي و SAR با قدرت تفكيك مكاني بالا به منظور آشكارسازي ساختمانها در مناطق شهري

در اين مقاله، به‌منظور رفع برخي محدوديت‌هاي شناسايي ساختمان در تصاوير چندطيفي، از داده SAR به‌منزله داده مكمل استفاده مي‌شود. در روش پيشنهادي، براي استفاده هم‌زمان از اطلاعات مفيد در تصاوير رادار و چندطيفي، استراتژي مبتني‌بر تلفيق تصاوير، با هدف شناسايي ساختمان، مطرح مي‌شود. همچنين، ازآن‌جاكه انتخاب ويژگي نقش بسزايي در شناسايي و طبقه‌بندي عوارض دارد، اغلب روش‌هاي مرسوم و رايج در اين زمينه، مانند الگوريتم ژنتيك، نيازمند داده‌هاي آموزشي‌اند؛ اما دردسترس‌نبودن هميشگي اين نوع داده‌هاي آموزشي يكي از دغدغه‌هاي مهم محققان به‌شمار مي‌آيد. پس در اين تحقيق، دو روش انتخاب ويژگي فيلترمبنا بررسي مي‌شود تا مشخص شود آيا روش‌هاي يادشده مي‌توانند، در مواقع لازم (نبودِ داده آموزشي)، جايگزين الگوريتم ژنتيك شوند؟ بنابراين، در پژوهش حاضر، ابتدا بردار ويژگي‌ بهينه از تصوير چندطيفي و SAR، با سه روش MNF وPCA  و ژنتيك، تعيين و هريك جداگانه وارد هر دو طبقه‌بندي‌كننده شبكه عصبي و SVM مي‌شود. سپس به‌منظور رفع مشكلاتي، همچون تشابه طيفي پشت‌بام‌ها با پوشش آسفالت خيابان‌ها، در تصاوير چندطيفي و بهبود نتايج، دو تصوير چندطيفي و SAR در سطح ويژگي تلفيق مي‌شود. در نهايت و در مرحله بعدي، بهترين تصاوير طبقه‌بندي‌شده با شبكه عصبي و SVM، در تمامي بررسي‌هاي صورت‌گرفته تا به اين مرحله، وارد تلفيق در سطح تصميم‌گيري مي‌شوند. نحوه تلفيق در سطح تصميم‌گيري بدين‌صورت است كه اطلاعات همسايگي هر پيكسل در قالب پنجره مكاني متحرك در ابعاد متفاوت، با هدف تصميم‌گيري درمورد ماهيت هر پيكسل، استفاده مي‌شود. بنابراين، نتايج حاصل‌شده در اين تحقيق، با صحت كلي و دقت ‌شناسايي ساختمان، به‌ترتيب 92.82% و 80.14% بيانگر عملكرد مناسب اين روش است.