به كارگيري روش هاي تخمين بعد ذاتي در استخراج ويژگي هاي بدست آمده از تصاوير راداري ، ماهواره اي و ليدار به منظور شناسايي عوارض خاص شهري

امروزه تركیب داده ها و تصاویری كه از منابع مختلف سنجش از دوری به دست آمده اند، به عنوان راه لی بهینه به منظور استخراج اطلاعات بیشتر مطرح است، چرا كه این داده ها با دید وسیع خود، رقومی بودن، تهیه بصورت دوره ای، اطلاعات مختلفی را در اختیار محققین قرار میدهند. در این راستا، سنجنده های غیرفعال نوری به صورت گسترده در نگاشت ساختارهای افقی مورد استفاده قرار میگیرند. دادههای راداری نیز با توجه به این كه غالباً مستقل از شرایط جوی و به صورت شبانهروزی امكان جمعآوری دارند و نیز برخی ساختارهای زمینی و اهداف مصنوعی پاسخ ویژهای در فركانس راداری دارند، تواناییهای تصاویر نوری را تكمیل میكنند. همچنین داده های هوابرد لیدار نیز میتوانند اندازه گیریهای نمونه ای با دقت بسیار بالا از ساختارهای قائم در اختیار قرار دهند. در نتیجه، استفاده همزمان داده های نوری، راداری و لیدار میتواند اطلاعات بیشتری در كاربردهای متنوع فراهم نماید. در این تحقیق، با بكارگیری همزمان این سه دسته داده سعی بر شناسایی عوارض خاص شهری به شكل بهینه نمودیم. در این راستا، با بكارگیری و تولید توصیفگرهای مختلف (57 توصیفگر) و با استفاده از روشهای استخراج ویژگی (شامل PCA و ICA) و تخمین ابعاد ذاتی دادهها (شاملSML و NWHFC)، فضای بهینه ای برای طبقه بندی نظارت شده ایجاد شد. پس از انجام طبقه بندی (روش K-NN) با استفاده از نتایج بدست آمده، توصیفگرهای (لایه های اطلاعاتی) تولید شده برای شناسایی عوارض خاص شهری شامل ساختمانها، راه ها و پوشش گیاهی براساس دقت كلاسه بندی بدست آمده و گروه بندی شدند. نتایج عددی بدست آمده حاكی از كارایی بالای رویه پیشنهادی و نیز روشهای بكارگرفته شده تخمین بعد ذاتی و استخراج ویژگی است.