شناسایی ساختمان در مناطق شهری با استفاده از تلفیق ویژگی های تصاویر نوری و راداری در شبکه های عصبی

در این مقاله، تصاویر پانکروماتیک، چندطیفی و رادار با گشودگی ترکیبی (sar) باهدف شناسایی ساختمان تلفیق شده اند. این تلفیق به منظور رفع نواقص و ضعف­های مجموعه داده های تک منبعی می باشد. به همین منظور ابتدا سه مجموعه داده به صورت جداگانه مورد ارزیابی قرارگرفته است که از برخی ویژگی های ورودی پیشنهادی برای شناسایی ساختمان استفاده شده است. سپس این ویژگی ها در ترکیب های مختلف با یکدیگر تلفیق شده و نتایج مورد مقایسه قرارگرفته اند. در تمامی بررسی ها، شبکه عصبی مصنوعی اعمال شده و عملکرد آن ها در پوشش های مختلف سقف های ساختمان مورد ارزیابی قرارگرفته است. نتایج حاصل نشان می دهد که روش بهینه تلفیق شناسایی ساختمان ها، بیش از 10% ضریب کاپا را افزایش می دهد. همچنین استراتژی تلفیق پیشنهادی منجر به حداقل 8 برابر بهتر شدن همگنی نتایج شناسایی شده در انواع مختلف سقف شده است. بنابراین نتایج حاصل از روش پیشنهادی با دقت کلی، ضریب کاپا و دقت شناسایی ساختمان به ترتیب 87.11% و 67.99% و 89.08% مؤید توانایی این روش در شناسایی ساختمان داده های چند منبعی اپتیک و رادار می باشد.