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

در این مقاله، تصاویر پانکروماتیک، چندطیفی و رادار با گشودگی ترکیبی (SAR) باهدف شناسایی ساختمان تلفیق‌شده‌اند. این تلفیق به‌منظور رفع نواقص و ضعف­های مجموعه داده‌های تک منبعی می‌باشد. به همین منظور ابتدا سه مجموعه داده به‌صورت جداگانه مورد ارزیابی قرارگرفته است که از برخی ویژگی‌های ورودی پیشنهادی برای شناسایی ساختمان استفاده‌شده است. سپس این ویژگی‌ها در ترکیب‌های مختلف با یکدیگر تلفیق‌شده و نتایج مورد مقایسه قرارگرفته‌اند. در تمامی بررسی‌ها، شبکه عصبی مصنوعی اعمال‌شده و عملکرد آن‌ها در پوشش‌های مختلف سقف‌های ساختمان مورد ارزیابی قرارگرفته است. نتایج حاصل نشان می‌دهد که روش بهینه تلفیق شناسایی ساختمان‌ها، بیش از 10% ضریب کاپا را افزایش می‌دهد. همچنین استراتژی تلفیق پیشنهادی منجر به حداقل 8 برابر بهتر شدن همگنی نتایج شناسایی‌شده 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 داده‌های چند منبعی اپتیک و رادار می‌باشد.