شناسايي ساختمان ها از داده هاي لايدار و نوري با استفاده از ماشين بردار پشتيبان در آناليزهاي پيكسل مبنا و شي مبنا

شناسايي ساختمان ها از تصـاوير هوايي و ماهواره اي يك بحث تحقيقاتي فعال در حوزه ي سنجش از دور و ماشين بينايي در طي سال هاي اخير است. الگوريتم هاي طبقه بندي عوارض، در مناطق پيچيده شهري مانند منطقه مورد مطالعه كه ساختمان ها در ميان تراكم درختان و داراي سقف شيرواني و قسمت هايي از شيشه هستند، با مشكلات بسياري مواجه مي باشند.در اين مقاله براي مقابله با مشكلات ذكر شده، ويژگي هاي شي مبنا، ارتفاعي و...جهت طبقه بندي با استفاده از ماشين بردار پشتيبان در دو آناليز شي-مبنا و پيكسل مبنا بررسي شده اند. لازم به ذكر است كه آناليز پيكسل مبنا در دو حالت با ويژگي هاي استخراج شده از تصوير هوايي و داده لايدار انجام مي شود.روش پيشنهادي شامل سه مرحله كلي مي باشد، در مرحله اول آماده سازي داده ها و استخراج ويژگي ها انجام مي شود، مرحله دوم شامل طبقه بندي با استفاده از ماشين بردار پشتيبان است كه در دو آناليز شي مبنا و پيكسل مبنا صورت مي گيرد،در مرحله سوم پس از پردازش، نتايج حاصل از هر آناليز با داده مرجع، مقايسه شده و ارزيابي مي شوند.در اين تحقيق هدف نهايي دستيابي به الگوريتمي بهينه با استفاده از ويژگي هاي مختلف مي باشد. با مقايسه سه ضريب كاپاي طبقه بندي كننده ماشين بردار پشتيبان كه در آناليز شي مبنا 97/0 و در حالت اول آناليز پيكسل مبنا 88/0 و در حالت دوم 95/0 مي باشند، اين نتيجه حاصل مي شود كه در آناليز شي مبنا به دليل استفاده از ويژگي هايي شامل شكل و ساختار، در مقايسه با دو حالت آناليز پيكسل مبنا، شناسايي كلاس ساختمان مطلوب تر انجام گرفته است. از طرفي با مقايسه دو حالت پياده شده در آناليز پيكسل مبنا،مشخص مي-شود كه اضافه شدن ويژگي هاي ارتفاعي لايدار در حالت دوم، باعث بهبود نتايج شده است.