مقایسه و ارزیابی روش‌های مختلف کلاسه‌بندی مبتنی بر آنالیز شی‌مبنا جهت شناسایی عوارض شهری از داده‌های لایدار و اپتیک

شناسایی عوارض شهری در سال‌های اخیر به دلیل رشد شهرنشینی و گسترش دامنه شهرها اهمیت بالایی یافته است. کشف عوارض شهری و طبقه‌بندی آن‌ها در لایه‌های مختلف اطلاعاتی جهت ایجاد، تکمیل و به‌روز رسانی پایگاه داده اطلاعات شهری مورد تحقیق بسیاری از دانشمندان بوده است. هدف از این تحقیق مقایسه و ارزیابی روش‌های مختلف کلاسه‌بندی مبتنی بر آنالیز شی‌مبنا جهت شناسایی عوارض شهری از داده‌های لایدار و اپتیک است. این تحقیق سه فاز اصلی را در بر می‌گیرد. در فاز اول تصویر هوایی با مقیاس بالا و داده لایدار پیش‌پردازش می‌شوند تا برای ورود به الگوریتم آماده گردند. در این مرحله داده‌های مذکور با هم از نظر مکانی هم‌مرجع می‌شوند. در فاز دوم سطوح مختلف قسمت‌بندی درختی ایجاد می‌شوند. با اتخاذ این استراتژی در هر سطح کلاس-های مورد نظر تحقیق شناسایی می‌شوند، به این طریق طبقه‌بندی با انسجام بیشتری صورت می‌گیرد. انتخاب پارامترهای مناسب قسمت‌بندی چند رزولوشنه و اعمال وزن به لایه‌های ورودی در هر سه سطح دنبال می‌شود. انتخاب این پارامترها به صورت سعی و خطاست که از طریق ارزیابی بصری نتایج حاصل از قسمت‌بندی انجام می‌گیرد. بعد از تولید اشیا باید ویژگی‌های مناسب جهت انجام کلاسه‌بندی شی‌مبنا در هر سطح با سه روش حد آستانه گذاری، نزدیک‌ترین همسایه و تابع تعلق معرفی شوند. انتخاب ویژگی مرحله‌ای حساس و مهم است چرا که دقت نتایج کلاسه‌بندی را کنترل می‌نماید. فاز سوم شامل ارزیابی و تفسیر نتایج هر سطح سلسله مراتب برای هر روش کلاسه‌بندی است. با ارزیابی نتایج مشخص گردید. دقت کلی روش نزدیک‌ترین همسایه در سطح اول برابر 99/0 است که در میان سه روش اجرا شده بالاترین دقت کلی را داراست. در سطح دوم دقت کلی روش نزدیک ترین همسایه با 985/0 بیشترین مقدار است. در سطح سوم دقت کلاسه‌بندی با روش تابع تعلق و حدآستانه گذاری برابر 841/0 است.