مقایسه و ارزیابی روش های مختلف کلاسه بندی مبتنی بر آنالیز شی مبنا جهت شناسایی عوارض شهری از داده های لایدار و اپتیک

شناسایی عوارض شهری در سال های اخیر به دلیل رشد شهرنشینی و گسترش دامنه شهرها اهمیت بالایی یافته است. کشف عوارض شهری و طبقه بندی آن ها در لایه های مختلف اطلاعاتی جهت ایجاد، تکمیل و به روز رسانی پایگاه داده اطلاعات شهری مورد تحقیق بسیاری از دانشمندان بوده است. هدف از این تحقیق مقایسه و ارزیابی روش های مختلف کلاسه بندی مبتنی بر آنالیز شی مبنا جهت شناسایی عوارض شهری از داده های لایدار و اپتیک است. این تحقیق سه فاز اصلی را در بر می گیرد. در فاز اول تصویر هوایی با مقیاس بالا و داده لایدار پیش پردازش می شوند تا برای ورود به الگوریتم آماده گردند. در این مرحله داده های مذکور با هم از نظر مکانی هم مرجع می شوند. در فاز دوم سطوح مختلف قسمت بندی درختی ایجاد می شوند. با اتخاذ این استراتژی در هر سطح کلاس-های مورد نظر تحقیق شناسایی می شوند، به این طریق طبقه بندی با انسجام بیشتری صورت می گیرد. انتخاب پارامترهای مناسب قسمت بندی چند رزولوشنه و اعمال وزن به لایه های ورودی در هر سه سطح دنبال می شود. انتخاب این پارامترها به صورت سعی و خطاست که از طریق ارزیابی بصری نتایج حاصل از قسمت بندی انجام می گیرد. بعد از تولید اشیا باید ویژگی های مناسب جهت انجام کلاسه بندی شی مبنا در هر سطح با سه روش حد آستانه گذاری، نزدیک ترین همسایه و تابع تعلق معرفی شوند. انتخاب ویژگی مرحله ای حساس و مهم است چرا که دقت نتایج کلاسه بندی را کنترل می نماید. فاز سوم شامل ارزیابی و تفسیر نتایج هر سطح سلسله مراتب برای هر روش کلاسه بندی است. با ارزیابی نتایج مشخص گردید. دقت کلی روش نزدیک ترین همسایه در سطح اول برابر 99/0 است که در میان سه روش اجرا شده بالاترین دقت کلی را داراست. در سطح دوم دقت کلی روش نزدیک ترین همسایه با 985/0 بیشترین مقدار است. در سطح سوم دقت کلاسه بندی با روش تابع تعلق و حدآستانه گذاری برابر 841/0 است.