به کارگیری روش های تخمین بعد ذاتی در استخراج ویژگی های بدست آمده از تصاویر راداری، ماهواره ای و لیدار به منظورشناسایی عوارض خاص شهری

امروزه ترکیب داده ها و تصاویری که از منابع مختلف سنجش از دوری به دست آمده اند، به عنوان راه حلی بهینه به منظور استخراج اطلاعات بیشتر مطرح است، چرا که این داده ها با دید وسیع خود، رقومی بودن، تهیه بصورت دورهای، اطلاعات مختلفی را در اختیار محققین قرار میدهند. در این راستا، سنجنده های غیرفعال نوری به صورت گسترده در نگاشت ساختارهای افقی مورد استفاده قرار می گیرند. داده های راداری نیز با توجه به این که غالبا مستقل از شرایط جوی و به صورت شبانهروزی امکان جمعآوری دارند و نیز برخی ساختارهای زمینی و اهداف مصنوعی پاسخ ویژهای در فرکانس راداری دارند، توانایی های تصاویر نوری را تکمیل میکنند. همچنین داده های هوابرد لیدار نیز میتوانند اندازه گیری های نمونه ای با دقت بسیار بالا از ساختارهای قائم در اختیار قرار دهند. در نتیجه، استفاده همزمان داده های نوری، راداری و لیدار میتواند اطلاعات بیشتری در کاربردهای متنوع فراهم نماید. در این تحقیق، با بکارگیری همزمان این سه دسته داده سعی بر شناسایی عوارض خاص شهری به شکل بهینه نمودیم. در این راستا، با بکارگیری و تولید توصیفگرهای مختلف (57 توصیف گر) و با استفاده از روش های استخراج ویژگی (شامل PCA و ICA) و تخمین ابعاد ذاتی داده ها (شاملSML و NWHFC)، فضای بهینه ای برای طبقه بندی نظارت شده ایجاد شد. پس از انجام طبقه بندی (روش K-NN) با استفاده از نتایج بدست آمده، توصیفگرهای (لایه های اطلاعاتی) تولید شده برای شناسایی عوارض خاص شهری شامل ساختمانها، راه ها و پوشش گیاهی براساس دقت کلاسه بندی بدست آمده و گروه بندی شدند. نتایج عددی بدست آمده حاکی از کارایی بالای رویه پیشنهادی و نیز روش های بکارگرفته شده تخمین بعد ذاتی و استخراج ویژگی است.