آشکارسازی ویژگی‌مبنای تغییرات مناطق شهری با استفاده از الگوریتم‌های بهینه‌سازی ازدحام ذرات و ژنتیک

امروزه داده‌های مکانی و شهرها تحت تأثیر عوامل طبیعی یا مصنوعی به سرعت دچار تغییرات می‌شوند. این تغییرات سبب از دست رفتن اعتمادپذیری اطلاعات جهت برنامه‌ریزی‌های شهری، مدیریت صحیح منابع و ناکارامدی سیستم‌های اطلاعات مکانی می‌شود. از این رو آشکارسازی هر چه دقیق‌تر تغییرات یکی از دغدغه‌های متخصصین و پژوهشگران سنجش‌ازدور و فتوگرامتری می‌باشد. علی‌رغم وجود اطلاعات طیفی غنی و مفید در تصاویر ماهواره‌ای با حد تفکیک بالا، گاهاً استفاده‌ی صرف از این اطلاعات بدلیل افزایش تنوع داخلی مناطق همگن متعلق به یک کلاس، پاسخگوی دستیابی به دقت‌های مورد نیاز نخواهد بود و در عمل نیاز به این است که روش‌های پیشرفته جهت آنالیز این داده‌ها بکار گرفته شود که یکی از این آنالیزها استفاده از ویژگی‌ها و اطلاعات مکانی موجود در تصویر می‌باشد. تنوع و گوناگونی ویژگی‌های استخراجی، استفاده از الگوریتم‌های بهینه‌سازی به منظور دستیابی به ویژگی‌های بهینه را ایجاب می‌کند. جهت دستیابی به ویژگی‌های بهینه و یافتن پارامترهای بهینه‌ی ماشین بردار پشتیبان بصورت همزمان، از الگوریتم‌های بهینه‌سازی ازدحام ذرات باینری و ژنتیک باینری استفاده شده است. همچنین با توجه به ضعف عمده‌ی روش پس از طبقه‌بندی در آشکارسازی تغییرات درون‌کلاسی و برخورداری تصاویر مورد استفاده از شرایط بد رادیومتریکی که کار قطعه‌بندی را با دشواری مواجه می‌سازد، از طبقه‌بندی دوکلاسه تفاضل ویژگی‌‌های استخراجی، جهت آشکارسازی تغییرات استفاده شده است. در این مقاله علاوه بر ویژگی‌های طیفی، از ویژگی‌های بافتی استخراجی از حوزه‌ی مکان و فرکانس جهت تولید نقشه باینری تغییرات تصاویر با حد تفکیک بالای شهرک آزادشهر تهران بهره گرفته شده است.  دقت کلی 45/93 و ضریب کاپای 87/0 در مقابل دقت کلی 03/91 و ضریب کاپای 82/0 حاکی از برتری الگوریتم ازدحام ذرات نسبت به الگوریتم ژنتیک در انتخاب ویژگی و یافتن پارامترهای بهینه‌ی ماشین بردار پشتیبان بصورت همزمان جهت دستیابی به نقشه باینری تغییرات دارد. محاسبه‌ی سهم هر یک از 10 نوع ویژگی مورد استفاده، توسط سه معیار معرفی‌شده‌ در این مقاله (تأثیرگذاری، تأثیرگذاری جزئی و تأثیرگذاری کلی)، نشان‌دهنده‌ی کارایی استفاده از سایر فضاهای رنگی، ویژگی‌های استخراجی از تبدیل ویولت و ویژگی‌های استخراجی از حوزه مکان (ماتریس رخداد توأم) بوده و همچنین منعکس‌کننده‌ی ضعف استفاده‌ی صرف از اطلاعات طیفی جهت آشکارسازی تغییرات در تصاویر با حد تفکیک بالا می‌باشد. مقایسه روش پیشنهادی با سایر تحقیقات نشان از کارایی روش پیشنهادی دارد.