تلفیق داده های لیدار و تصاویر با قدرت تفکیک بالا جهت استخراج ساختمان با تاکید بر استفاده همزمان از ویژگی های طیفی، بافتی و هندسی عوارض

امروزه یکی از مهم ترین دغدغه های متخصصین فتوگرامتری و سنجش ازدور، شناسایی و استخراج اتوماتیک عوارض شهری به ویژه عارضه ساختمان و سایر عوارض مسقف است. در این تحقیق، هدف شناسایی و استخراج عارضه ساختمان در مناطق شهری بر مبنای تلفیق تصاویر هوایی و اطلاعات تهیه شده از ابر نقاط لیدار است. در همین راستا، در ابتدا مدل رقومی زمین از طریق اعمال فیلتر adaptive tin از داده های نقطه ای لیدار تهیه سپس با تولید مدل رقومی نرمال شده سطح و اعمال حد آستانه ارتفاعی، عوارض مرتفع جداسازی گردیده شده است. جهت شناسایی عارضه ساختمان، ابتدا مجموعه ای از ویژگی های طیفی و بافتی قابل استخراج از سطح تصاویر هوایی و ویژگی های هندسی از سطح داده لیدار تهیه شده و با استفاده از الگوریتم ga_svm جهت شناسایی و جداسازی بهینه ترین ویژگی ها باهدف شناسایی و طبقه بندی عوارض مرتفع با تأکید بر شناسایی ساختمان استفاده شده اند. استفاده از ویژگی های بهینه انتخابی جهت طبقه بندی مجدد عوارض مرتفع با استفاده از طبقه بندی کننده های بیشترین شباهت،k همسایه نزدیک و شبکه عصبی در مرحله بعد انجام گرفته است. نتایج مرحله شناسایی توسط الگوریتم ماشین بردار پشتیبان به عنوان بهترین نتایج انتخاب و به منظور کاهش پیچیدگی های شناسایی و حذف بلوک های چند ساختمانی، صفحات سقفی هر ساختمان به طور مجزا توسط الگوریتم mean_shift استخراج و بعد از آنالیز ارتفاعی و مقایسه با بردار متعامد، به صورت ساختمان هایی شیب دار و مسطح در دو سطح ارتفاعی تفکیک شده اند. در ادامه با تلفیق نتایج حاصله از بخش بندی تصویر و اطلاعات استخراجی از لبه ساختمان ها با نتایج مرحله شناسایی اقدام به بهبود هندسی نتایج شناسایی شده است، سپس با اعمال الگوریتمی پیشنهادی مناطق تخریب شده توسط درختان در سطح ساختمان ها شناسایی، تصحیح و نتیجه نهایی وارد الگوریتم جنرالیزاسیون، جهت استخراج نهایی محدوده هر ساختمان شده است. درنهایت به طور میانگین، دقت کلی 0425/98 و ضریب کاپای 9254/. برای مناطق موردبررسی جهت استخراج ساختمان بدست آمد.