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

امروز 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 دوره ای، اطلاعات مختلفی را در اختیار محققین قرار می دهند. در این راستا، سنجنده های غیر فعال 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 شبانه روزی امکان جمع آوری دارند و نیز برخی ساختارهای زمینی و اهداف مصنوعی پاسخ ویژه ای در فرکانس راداری دارند، توانایی های تصاویر نوری را تکمیل می کنند. همچنین داده های هوابرد لیدار نیز می توانند اندازه گیری نمونه ای با دقت بسیار بالا از ساختارهای قایم در اختیار قرار دهند. در نتیجه، استفاده همزمان این سه دسته داده سعی بر شناسایی عوارض خاص شهری به شکل بهینه نمودیم. در این راستا، با بکارگیری و تولید توصیفگری مختلف 57 توصیفگر و با استفاده از روش های استخراج ویژگی شامل ICA,PCA و تخمین ابعاد ذاتی داده ها شامل SML 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، توصیفگری لایه های اطلاعاتی تولید شده برای شناسایی عوارض خاص شهری شامل ساختمان ها، 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 بکار گرفته شده تخمین بعد ذاتی و استخراج ویژگی است.

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

تخمین بعد ذاتی , طبقه بندی تصویر , راه , ساختمان , پوشش گیاهی