شناسایی ساختمان ها از داده های لایدار و نوری با استفاده از ماشین بردار پشتیبان در آنالیزهای پیکسل مبنا و شی مبنا

شناسایی ساختمان ها از تصاویر هوایی و ماهواره ای یک بحث تحقیقاتی فعال در حوزه ی سنجش از دور و ماشین بینایی در طی سال های اخیر است. الگوریتم های طبقه بندی عوارض، در مناطق پیچیده شهری مانند منطقه مورد مطالعه که ساختمان ها در میان تراکم درختان و دارای سقف شیروانی و قسمت هایی از شیشه هستند، با مشکلات بسیاری مواجه می باشند.در این مقاله برای مقابله با مشکلات ذکر شده، ویژگی های شی مبنا، ارتفاعی و...جهت طبقه بندی با استفاده از ماشین بردار پشتیبان در دو آنالیز شی-مبنا و پیکسل مبنا بررسی شده اند. لازم به ذکر است که آنالیز پیکسل مبنا در دو حالت با ویژگی های استخراج شده از تصویر هوایی و داده لایدار انجام می شود.روش پیشنهادی شامل سه مرحله کلی می باشد، در مرحله اول آماده سازی داده ها و استخراج ویژگی ها انجام می شود، مرحله دوم شامل طبقه بندی با استفاده از ماشین بردار پشتیبان است که در دو آنالیز شی مبنا و پیکسل مبنا صورت می گیرد،در مرحله سوم پس از پردازش، نتایج حاصل از هر آنالیز با داده مرجع، مقایسه شده و ارزیابی می شوند.در این تحقیق هدف نهایی دستیابی به الگوریتمی بهینه با استفاده از ویژگی های مختلف می باشد. با مقایسه سه ضریب کاپای طبقه بندی کننده ماشین بردار پشتیبان که در آنالیز شی مبنا 97/0 و در حالت اول آنالیز پیکسل مبنا 88/0 و در حالت دوم 95/0 می باشند، این نتیجه حاصل می شود که در آنالیز شی مبنا به دلیل استفاده از ویژگی هایی شامل شکل و ساختار، در مقایسه با دو حالت آنالیز پیکسل مبنا، شناسایی کلاس ساختمان مطلوب تر انجام گرفته است. از طرفی با مقایسه دو حالت پیاده شده در آنالیز پیکسل مبنا،مشخص می-شود که اضافه شدن ویژگی های ارتفاعی لایدار در حالت دوم، باعث بهبود نتایج شده است.