طبقه بندي شي گراي مناطق شهري با تلفيق تصاوير ابرطيفي و لايدار و الگوريتم جنگل تصادفي

پيشرفت سنجنده هاي جديد، پتانسيل بالايي براي طبقه بندي شهري را نشان مي دهد. با اين وجود، عملكرد روش هاي طبقه بندي مرسوم و قديمي به علت پيچيدگي تفسير تصوير، محدود بوده؛ و مطالعه روش هاي جديدتر براي رفع اين محدوديت ها بيشتر احساس مي شود. از طرف ديگر، روش هاي جديد در بازشناسي الگو همانند جنگل تصادفي (RF)، به عنوان يك الگوريتم يادگيري ماشيني جديد، توجه بسياري را در زمينه طبقه بندي تصوير و بازشناسي الگو به خود جلب كرده است. چندين تحقيق نيز مزاياي RF در طبقه بندي كاربري اراضي را نشان داده است. با اين حال، تعداد كمي از اين تحقيقات در زمينه شهري و استفاده از تصاوير ماهواره اي جديد و ليدار تمركز داشته است. در اين تحقيق يك صحنه شهري با روشي جديد مبتني بر تلفيق روش شي گرا و طبقه بندي RF براي بهبود طبقه بندي پيشنهاد شده و مورد بررسي قرار گرفته است. براي مقايسه از نتايج الگوريتم طبقه بندي شبكه هاي عصبي و بردارهاي ماشين پشتيبان استفاده شده است. نتايج اين تحقيق نشان مي دهد كه روش پيشنهادي مي تواند عملكرد طبقه بندي را از نظر دقت و سرعت بهبود بخشد.