مقايسه و ارزيابي روش هاي مختلف كلاسه بندي مبتني بر آناليز شي مبنا جهت شناسايي عوارض شهري از داده هاي لايدار و اپتيك

شناسايي عوارض شهري در سال هاي اخير به دليل رشد شهرنشيني و گسترش دامنه شهرها اهميت بالايي يافته است. كشف عوارض شهري و طبقه بندي آن ها در لايه هاي مختلف اطلاعاتي جهت ايجاد، تكميل و به روز رساني پايگاه داده اطلاعات شهري مورد تحقيق بسياري از دانشمندان بوده است. هدف از اين تحقيق مقايسه و ارزيابي روش هاي مختلف كلاسه بندي مبتني بر آناليز شي مبنا جهت شناسايي عوارض شهري از داده هاي لايدار و اپتيك است. اين تحقيق سه فاز اصلي را در بر مي گيرد. در فاز اول تصوير هوايي با مقياس بالا و داده لايدار پيش پردازش مي شوند تا براي ورود به الگوريتم آماده گردند. در اين مرحله داده هاي مذكور با هم از نظر مكاني هم مرجع مي شوند. در فاز دوم سطوح مختلف قسمت بندي درختي ايجاد مي شوند. با اتخاذ اين استراتژي در هر سطح كلاس-هاي مورد نظر تحقيق شناسايي مي شوند، به اين طريق طبقه بندي با انسجام بيشتري صورت مي گيرد. انتخاب پارامترهاي مناسب قسمت بندي چند رزولوشنه و اعمال وزن به لايه هاي ورودي در هر سه سطح دنبال مي شود. انتخاب اين پارامترها به صورت سعي و خطاست كه از طريق ارزيابي بصري نتايج حاصل از قسمت بندي انجام مي گيرد. بعد از توليد اشيا بايد ويژگي هاي مناسب جهت انجام كلاسه بندي شي مبنا در هر سطح با سه روش حد آستانه گذاري، نزديك ترين همسايه و تابع تعلق معرفي شوند. انتخاب ويژگي مرحله اي حساس و مهم است چرا كه دقت نتايج كلاسه بندي را كنترل مي نمايد. فاز سوم شامل ارزيابي و تفسير نتايج هر سطح سلسله مراتب براي هر روش كلاسه بندي است. با ارزيابي نتايج مشخص گرديد. دقت كلي روش نزديك ترين همسايه در سطح اول برابر 99/0 است كه در ميان سه روش اجرا شده بالاترين دقت كلي را داراست. در سطح دوم دقت كلي روش نزديك ترين همسايه با 985/0 بيشترين مقدار است. در سطح سوم دقت كلاسه بندي با روش تابع تعلق و حدآستانه گذاري برابر 841/0 است.