طبقه بندي عوارض شهري با استفاده از تلفيق داده ي ليدار و تصوير هوايي با قدرت تفكيك مكاني بسيار بالا و الگوريتم ماشين بردار پشتيبان

امروزه به دست آوردن اطلاعات پوشش اراضي شهري، يكي از مهم ترين ابزارهاي مديريت شهري است و كاربرد زيادي در بررسي تغييرات زمين دارد. طبقه بندي تصاوير، يكي از متداول ترين روش هاي استخراج اطلاعات از داده هاي سنجش از دور است. وجود نواحي شهري پيچيده و متراكم يكي از مشكلات آناليزهاي سنجش از دور مي باشد. دقت عملكرد طبقه بندي در اين مناطق براي محققان مورد توجه بوده و همواره سعي در بهبود اين دقت داشته اند. با استفاده از تكنيك تلفيق داده هاي مختلف و به كارگيري اطلاعات متنوع از عوارض مي توان به طبقه بندي دقيق تر با قابليت اعتماد بالاتر دست يافت. يكي از روش هاي موفقيت آميز طبقه بندي در سال هاي اخير، روش ماشين هاي بردار پشتيبان بوده كه از تئوري يادگيري آماري استخراج شده است. در اين مقاله سعي بر آن است در مورد عملكرد الگوريتم ماشين بردار پشتيبان با استفاده از داده هاي ليدار متراكم وتصوير هوايي با قدرت تفكيك بسيار بالا بحث شود. اين طبقه بندي كننده بر روي سه داده ي مختلف اعمال مي شود: 1) تصوير هوايي 2) داده ي ليدار 3) تلفيق تصوير هوايي و داده ي ليدار. با تنظيم پارامترهاي الگوريتم ماشين بردار پشتيبان (SVM ) مي توان به بهترين عملكرد براي اين الگوريتم دست يافت. نتايج نشان مي دهد كه تركيب اين دو داده، طبقه بندي بهتري را به دست مي دهد. دقت طبقه بندي كننده ي ماشين بردار پشتيبان با استفاده از تلفيق داده ي ليدار وتصوير هوايي، 93/99٪ به دست آمد.