تلفیق آنالیزهای شیءگرا و پیکسل مبنا به‌منظور شناسایی درختان و ساختمان‌ها در مناطق شهری از داده‌های لایدار و نوری

شناسایی عوارض شهری مهم مانند ساختمان و درخت از تصاویر هوایی و ماهواره‌ای به همراه داده‌های لایدار توجه محققان سنجش‌ازدور و فتوگرامتری را در چند دهه اخیر به خود متوجه ساخته است. روش‌های طبقه‌بندی و شناسایی مختلف به‌منظور استفاده در مناطق شهری با مشکلات پیچیده‌ای مانند شناسایی ساختمان و درخت‌های کوچک، مرز نامناسب تاج درختان، وجود سقف‌هایی از ساختمان‌ها با پوشش گیاهی، ساختمان‌ها محصورشده توسط درختان و پوشش‌های گیاهی قرارگرفته در سایه، مواجه هستند. در این تحقیق جهت بهبود مشکلات ذکر شده در مرحله اول پیش‌پردازش داده‌های لایدار، تولید مدل رقومی زمینی و مدل رقومی سطح نرمال شده انجام گردیده است؛ در مرحله دوم ویژگی‌های هندسی، طیفی، بافتی و ترکیبی متناسب با نوع مشکلات ذکر شده تولید و با استفاده از الگوریتم SVM_GA ویژگی‌های مناسب انتخاب گردیده است. از میان ویژگی‌ها تولیدی شاخص طیفی ترکیب یافته پوشش گیاهی با مناطق سایه و ویژگی‌های هندسی تولیدشده از داده‌های لایدار جهت شناسایی درختان نقش بسزایی بازی می‌کنند. در مرحله سوم طبقه‌بندی ماشین بردار پشتیبان در دو سطح شیءگرا و پیکسل مبنا با استفاده از ویژگی‌ها منتخب و مناسب با استفاده از روش SVM_GA به‌منظور شناسایی عوارض شهری ازجمله درخت و ساختمان‌های شهری استفاده گردیده است. در مرحله چهارم نتایج هریک از دو سطح طبقه‌بندی با استفاده از روش‌های پس پردازش بهبود داده‌شده‌اند. در مرحله پنجم با توجه به قدرت هر سطح از طبقه‌بندی در شناسایی عوارض سعی در بهبود شناسایی مرز ساختمان‌ها، درختان و شناسایی ساختمان‌ها و درختان کوچک و کم ارتفاع را با استفاده از تلفیق نتایج آن‌ها را داریم و درنهایت نتایج حاصله از شناسایی در هر سطح و هر مرحله با داده‌های مرجع مقایسه و ارزیابی شده است که شناسایی ساختمان‌ها و درختان در سطح شیءگرا به ترتیب دارای صحت شناسایی 961/0 و 65/0 و دقت کلی 97/0 و 943/0 هستند. در سطح پیکسل مبنا دارای صحت شناسایی 953/0 و 632/0، دقت کلی 961/0 و 94/0 و بعد از تلفیق دارای صحت شناسایی971/0 و 718/0 و دقت کلی 975/0 و 957/0 می‌باشند. نتایج نشان می‌دهد که تلفیق دو سطح از طبقه‌بندی شیءگرا و پیکسل مبنا باعث بهبود نتایج شناسایی به‌ویژه در شناسایی ساختمان‌ها و درختان کوچک و کم ارتفاع می‌گردد. نتایج این روش با توجه به بهبود شناسایی‌های انجام‌شده در مرز ساختمان‌ها و شناسایی عوارض کوچک تأثیر مثبتی را می‌تواند در استخراج عوارض داشته باشد.