طبقه بندي تصوير ابرطيفي و ليدار با استفاده از الگوريتم جنگل تصادفي

امروزه تصاوير ابر طيفي به دليل دارا بودن اطلاعات طيفي غني و داده ليندار به دليل محتواي اطلاعات ارتفاعي غني از محيط جزو مهمترين منابع اطلاعاتي در سنجش از دور به شمار مي آيند. در اين تحقيق با ارائه روشي تلفيقي داده ليدار و تصوير ابر طيفي را طبقه بندي مي كنيم. ابتدا داده ليدار با تكنيك شي گرا، قطعه بندي مي شود و ويژگي هاي شي گرا براي آن توليد مي شود. سپس ويژگي هاي توليد شده ليدار و باندهاي تصوير ابر طيفي را به طور جداگانه و تركيبي با الگوريتم جنگل تصادفي (RF) طبقه بندي مي كنيم. در انتها تعداد ويژگي ها و باندها را با PCA* كاهش مي دهيم و با روش SVM و RF طبقه بندي و با هم مقايسه مي كنيم. نتايج اين تحقيق نشان دادند كه الگوريتم طبقه بندي جنگل تصادفي هم از لحاظ دقت و هم زمان پردازش نسبت به SVM براي طبقه بندي اين تصاوير برتري دارد. همچنين الگوريتم طبقه بندي جنگل تصادفي داراي قابليت انتخاب ويژگيهاي بهينه نيز مي باشد كه به برتري اين روش نسبت به روش هاي ديگر مي افزايد.