تشخیص شبکه راه‌ها در مناطق شهری با استفاده از تصاویر ماهواره‌ای با قدرت تفکیک بالا و داده‌های لایدار بر اساس طبقه بندی نزدیکترین همسایگی فازی و توصیفگرهای بهینه

تشخیص اتوماتیک شبکه راه‌ها در مناطق متراکم شهری، یکی از چالش های مطرح درگروه‌های  تحقیقاتی فتوگرامتری و سنجش از دور می‌باشد که از دلایل عمده این موضوع می‌توان به تنوع خصوصیات طیفی و هندسی راه‌ها و همچنین شباهت طیفی و هندسی پیکسل­های راه با سایر عوارض از جمله ساختمان­ها، پارکینگ­ها و پیاده­روها و عدم پیوستگی راه‌ها به علت مجاورت با عوارضی نظیر اتومبیل و درختان، اشاره نمود. که این موارد باعث می گردند شناسایی دقیق راه­های شهری از طریق تصاویر ماهواره­ای با مشکلاتی همراه باشد. یکی از استراتژی های امیدوار کننده برای مقابله با این مشکل استفاده از داده‌های دیگر سنجنده‌ها، مانند لایدار به منظور کاهش عدم قطعیت در کنار تصاویر با قدرت تفکیک بالا برای تشخیص شبکه راه‌ها می‌باشد. داده‌های لایدار با توجه به پتانسل بالایی که دارا می باشند در  تحقیقات مختلف در کنار تصاویر ماهواره‌ای به منظور تشخیص عوارض مختلف از جمله راه‌ها بکار رفته‌اند. در این مقاله از تصاویر ماهواره‌ای سنجنده QuickBird با قدرت تفکیک بالا و داده­های لایدار و نیز بکارگیری طبقه بندی نزدیکترین همسایگی بر اساس توصیفگرهای بهینه برای تشخیص شبکه راه‌ها در یک ناحیه شهری با تنوعات گوناگون راه‌ها بهر­ه‌گیری شده است. در روش پیشنهادی به منظور افزایش دقت تشخیص شبکه راه‌ها و کاهش تاثیرات سایر کلاس‌ها، بر اساس میزان تفکیک پذیری  کلاس‌ها یک مدل سلسله مراتبی با هدف تشخیص راه‌ها طراحی شده است که در هر مرحله از این مدل از توصیفگرهای بهینه جهت جدا سازی کلاس‌ها از همدیگر استفاده شده است. در نهایت دقت کلی شناسایی کلاس­های مختلف %90 و ضریب کاپای آن 87/0 بدست آمده است که با توجه به شرایط مختلف و نیز اغتشاشات فراوان بین کلاسی، دقت حاصله رضایت بخش می­باشد. نتایج حاصل از این تحقیق، نشان‌می دهد که بکارگیری همزمان داده‌های تصاویر ماهواره‌ای با قدرت تفکیک بالا و داده‌های لایدار  بر اساس یک مدل سلسله مراتبی مناسب و بهره گیری از توصیفگرهای بهینه پتانسیل بسیار بالایی در تشخیص گستره‌ی  وسیع و متنوعی از المان­های راه در محیط‌های پیچیده شهری را داراست.