روش های فتوگرامتری و سنجش از دور با توجه به وسعت منطقه تحت پوشش از یک طرف و نیز دقت قابل قبول این روش ها از طرف دیگر، به عنوان روش های مناسب جهت تولید و بهنگام رسانی اطلاعات مکانی شناخته شده اند. در حال حاضر یکی از زمینه های تحقیقاتی مهم در این رابطه کاهش نقش اپراتور انسانی در استخراج و بازسازی مدل عوارض از داده های مختلفی چون تصویر رقومی و داده-های ارتفاعی با بکارگیری الگوریتم های مختلف پردازش تصویر است. با توجه به تعداد زیاد ساختمان ها در مناطق شهری دستیابی به یک مدل یا الگوریتم جهت استخراج و بازسازی اتوماتیک این عارضه از داده های هوایی و ماهواره ای می تواند نقش انسان را در تولید اطلاعات مکانی بزرگ مقیاس شهری به حداقل رسانده و هزینه و زمان تولید آنها را به شدت کاهش دهد. منحنی های پویا به عنوان یکی از روش های مبتنی بر مدل های ریاضی با بکارگیری اطلاعات گرادیان و یا اطلاعات طیفی تصویر، یکی از روش های پرکاربرد در زمینه استخراج اتوماتیک عوارض از تصویر به شمار می روند. یکی از مشکلات اغلب مدل های منحنی های پویا موجود در زمینه استخراج ساختمان، عدم استفاده از اطلاعات و هوش انسانی در محاسبه تابع انرژی است. این مشکل علاوه بر ایجاد وابستگی مدل به کاربر، باعث کاهش کنترل کاربر در تاثیر پارامترهای مختلف تابع انرژی در بهبود منحنی اولیه می شود. لذا در تحقیق حاضر ضمن استفاده از مزایای مدل منحنی های فعال، از هوش انسانی جهت غلبه بر مشکل بیان شده استفاده کرد. با استفاده از الگوریتم های هوش محاسباتی می توان به نحو مناسبی از دانش و روند تصمیم گیری انسان در تشخیص عوارض بهره گرفت. یکی از روش هایی که می تواند زمینه ورود دانش غیرقطعی انسانی در فرآیند بهبود منحنی را ایجاد کند، سیستم های محاسبات فازی است. با محاسبه تابع انرژی مدل منحنی پویا با استفاده از یک سیستم استنتاج فازی می توان کنترل عامل را بر روی نقش قسمت-های مختلف تابع انرژی افزایش داد و با تعریف قوانین مطابق دانش کارشناسی و درک انسان از تاثیر پارامترهای مختلف، زمینه بهبود جستجو و استخراج را توسط این مدل ها ایجاد کرد. در مدل پیشنهادی در این تحقیق که جزء نوآوری های این تحقیق می باشد، با محاسبه تابع انرژی خارجی در قالب یک سیستم استنتاج فازی و با بهره گیری از دانش کارشناسی، مشکلات مدل های موجود در استخراج اتوماتیک ساختمان ها از تصاویر با قدرت تفکیک بالا برطرف شده است. مهم ترین مزیت مدل های جدید قابلیت استخراج یک عارضه هدف از تصویر، پایین بودن حساسیت به نویز حاصل از عوارض موجود بر روی سقف ساختمان ها و تفکیک ساختمان های بهم چسبیده می باشد. محدوده ساختمان های استخراج شده در مناطق شهری، را می توان به منظور بازسازی سه بعدی و تهیه مدل های شهری مورد استفاده قرار داد. در زمینه بازسازی ساختمان خصوصاً از داده های لیدار، تحقیقات بسیاری انجام شده است و روش های موجود را می توان در دو دسته کلی تقسیم بندی کرد. روش های مدل مبنا که عمدتاً بر مبنای مدل های اولیه تعریف می شوند و عملکرد این روش ها محدود به این مدل ها هستند و توانایی آنها وابستگی زیادی به تطابق مدل های اولیه به ساختمان های موجود در تصویر دارد؛ بنابراین طراحی یک الگوریتم جامع نیازمند یک شناخت کامل از ساختمان های موجود در منطقه دارد. این دسته مدل ها محدودیت هایی نسبت به پیچیدگی شکل سقف ساختمان دارند؛ بازسازی سقف های پیچیده ساختمانی محدود به مجموعه مدل های ساده کتابخانه ایست. در این تحقیق، یک روش مدل مبنای بازسازی ساختمان بر مبنای بهینه کردن پارامترهای مدل ساختمان با استفاده از الگوریتم ژنتیک ارائه می شود. استفاده از الگوریتم ژنتیک در روش پیشنهادی که یکی دیگر از نوآوری-های این تحقیق به شمار می رود، ضمن افزایش انعطاف پذیری روش های مدل مبنا، نیاز به توابع کتابخانه ای را در این دسته روش ها برطرف می نماید.

امروزه با توجه به انواع تراکم ها درشهر، استفاده چند منظوره از امکانات، جهت حداکثر بهره برداری و رفع نیازهای جمعیت انبوه شهری، ضروری می نماید. آلودگی های ناشی از مراکز صنعتی و ترافیک در نواحی شهری و قرارگیری اکثر شهرهای ایران بر روی گسل های زمین ساختی مشکلاتی است که گریبانگیر درصد بالایی از شهرهای ایران است. یکی از راه هایی که می تواند این دو مشکل را به عنوان دو هدف، به صورت همزمان در نظر بگیرد، ایجاد فضای سبز با توزیع مناسب در شهر است. که این مهم نیازمند مکان یابی صحیح این مکان و در نظر گرفتن معیارهای متعدد و موثر وشناخت منطقه می باشد.