طبقه بندی تغییرات ساختمانها با بکارگیری الگوریتم های یادگیری ماشین روی ابرنقطه حاصل از فتوگرامتری رقومی

امروزه الگوریتمهای یادگیری ماشین در موضوع طبقهبندی به موفقیتهای چشمگیری دست یافته و مقاالت زیادی در این زمینه منتشر گردیده است. در این مقاله روشهای یادگیری ماشین برای طبقه بندی تغییرات ساختمانها مورد توجه قرار گرفته است. مهمترین مراحل این روش، آموزش مدل و یادگیری ، استخراج ویژگی و برچسب گذاری ساختمانها از نظر تغییر یافتگی می باشد که در قالب یک ساختار طبقه بندی نظارت شده و با استفاده از روشهای یادگیری ماشین آموزش دیده و اجرا می گردند.در این تحقیق از قابلیت تولید ابرنقطه رنگی و مدل رقومی سطح از تصاویر هوائی استرئو استفاده 1 گردیده و با بکارگیری اختالف دو مدل رقومی سطح DDSM2 در دو بازه زمانی، ضمن حذف درختان با استفاده از شاخص NDVI و فیلتر اطلاعات داخل معابر، با استخراج ویژگیهای رادیومتریک و ارتفاعی، 3از الگوریتم های SVM و جنگل تصادفی برای طبقه بندی تغییرات ساختمانها استفاده گردیده است و سپس این تغییرات در سه گروه شامل ساختمانهای بازسازی شده، دارای تغییرات ارتفاعی و جدیداالحداث، دسته بندی میشود. محصول نهائی این روش تهیه نقشه تغییرات ساختمانها و طبقه بندی نوع تغییرات میباشد. نتایج این تحقیق نشان دهنده موثر بودن استفاده از روشهای یادگیری ماشین بوده و میزان دقت و صحت استخراج و طبقه بندی تغییرات در مناطق شهری به ترتیب 96 و 82 درصد را در برداشته است.

Keywords:

استخراج تغییرات ساختمانها , , یادگیری ماشین , SVM , جنگل تصادفی