طبقه بندی شیءگرای مناطق شهری با استفاده از تلفیق داده های فراطیفی و لیدار

یکی از مهم ترین اطلاعات در حوزه برنامه ریزی و مدیریت شهری، نقشه های پوشش اراضی و کاربری اراضی می باشند. برای تهیه این نوع نقشه ها با استفاده از داده های سنجش از دور، نیازمند داده هایی با رزولوشن مکانی بالا می باشیم تا بتوان ساختار اشیاء مختلف شهری را شناسایی کرد. اما این تصاویر دارای اطلاعات طیفی محدودی می باشند. این ضعف اغلب منجر به خطا در طبقه بندی برای کلاس های مشابه مختلفی چون پارکینگ ها، آب و چمن مصنوعی می شود. برای جبران آن، وجود اطلاعات اضافی در مورد جنس اشیاء شهری ضروری است. داده های فرا طیفی با رزولوشن طیفی و مکانی بالا این امکان را به خوبی فراهم کرده است. اما با این وجود همچنان کلاس هایی در سطح شهر وجود دارند که از لحاظ طیفی بسیار مشابه هم بوده اما از لحاظ مفهومی و کاربردی با هم متفاوت هستند، مانند: شباهت بام آسفالتی ساختمان ها با پارکینگ ها و راه ها. استفاده توأم از داده های فراطیفی و لیدار در کنار هم، می تواند خطا در طبقه بندی را به حداقل ممکن کاهش می دهد. در این پایان نامه از روش طبقه بندی شئ گرا جهت تلفیق داده های فراطیفی و لیدار و تهیه نقشه کاربری اراضی و پوشش اراضی دقیق استفاده شده است. فرایند استخراج اطلاعات با پیش پردازش داه های فراطیفی و لیدار شروع شد، پیش پردازش داده فراطیفی شامل دو مرحله حذف ابر و کاهش بعد بود و پیش پردازش داده لیدار شامل استخراج ndsm و نقشه شیب از آن می باشد. در بخش طبقه بندی پوشش اراضی و کاربری اراضی سه استراتژی مختلف مورد تجزیه و تحلیل قرار گرفت. در استرتژی اول یک مدل سلسله مراتبی نوین با سه سطح برای داده های موجود طراحی شده و از یک طبقه بندی قانون-مبنا با استفاده از ویژگی های معمول شیءمبنا استفاده شد. در استراتژی دوم از یک طبقه بندی نظارت شده با استفاده طبقه بندی کننده svm به همراه بهینه سازی فضای ویژگی آن پیاده سازی شد. در استرتژی سوم برای اولین بار از یک مدل طبقه بندی شیء گرای تکرار شونده، در یک سطح استفاده شد. در این تحقیق با توجه به پتانسیل بالای داده موجود، علاوه بر استخراج کلاس های اصلی پوشش اراضی و کاربری اراضی معرفی شده، 18 کلاس کاربری اراضی، طی یک نقشه کاربری اراضی جامع، با استفاده از ایجاد ویژگی های مفهومی و ارتباط مکانی بین اشیاء از طریق مدل سازی درک بشری استخراج شد. در انتها نیز برای ارزیابی توانایی مدل طبقه بندی شیءگرای پیشنهادی، نتایج حاصل با نتایج سه محقق برتر مسابقه best classification challenge سال 2013 مقایسه شد که بررسی ها حاکی از افزایش 4درصدی دقت طبقه بندی روش پیشنهادی نسبت به آن ها است. از میان روش های استخراج نقشه پوشش اراضی و کاربری اراضی اصلی نیز روش طبقه بندی شیءگرای تکرار شونده طبقه بندی-قطعه بندی-ادغام در یک سطح با دقت کلی 97/33درصد بالاترین دقت را حاصل نمود. دقت کلی نقشه کاربری اراضی جامع نیز برابر 96/6درصد شد. در این پایان نامه آنالیزها بر روی دو مجموعه داده فراطیفی casi و داده ارتفاعی لیدار با قدرت تفکیک مکانی یکسان 2/5متر، که از منطقه شهری هیوستون آمریکا اخذ شده بود، صورت گرفت.