طبقه بندی سه بعدی عوارض شهری مبتنی بر تلفیق اطلاعات هندسی و چند طیفی اخذشده به کمک پهپاد

طبقه بندی سه بعدی عوارض شهری یکی از مهم ترین ابزارهای مدیریت شهری و مبنای بسیاری از آنالیزها در فتوگرامتری است؛ بنابراین به عنوان ورودی در بسیاری از کاربرد ها همچون برنامه ریزی، مدیریت شهری و مدیریت بحران مورد استفاده قرار می گیرد. از آنجایی که ابر نقاط حاصل از تناظریابی متراکم تصاویر در مناطق شهری به علت مشاهده مستقیم ویژگی های خطی، کارایی بیشتر نسبت به ابر نقاط حاصل از لیزر اسکنر هوایی دارند و از لحاظ هزینه نیز مقرون به صرفه است؛ به همین دلیل در این تحقیق برای طبقه بندی، از ابر نقاط حاصل از تناظریابی متراکم تصاویر استفاده شده و جهت افزایش دقت طبقه بندی نیز، این تصاویر به وسیله دوربین چند طیفی Micasense RedEdge اخذ شده است. یکی از چالش های موجود در دوربین های چند طیفی، هم مرجع سازی باند ها می باشد؛ که در این تحقیق از الگوریتم SIFT برای استخراج نقاط متناظر هر باند استفاده شده است. به این ترتیب باند ها با یکدیگر ترکیب شده تا یک ترکیب رنگی (تصویر) از هر سه باند ایجاد شود. با این کار دو مجموعه تصاویر تولید شده است که از این دو مجموعه تصاویر، دو ابر نقطه با استفاده از فن تناظریابی متراکم تصاویر تولید می شوند. ابر نقاط با استفاده از روش درون یابی نزدیک ترین نقاط همسایه با یکدیگر تلفیق شده اند تا یک ابر نقطه چند طیفی حاصل شود. در انتها طبقه بندی ابر نقطه چند طیفی، با استفاده از الگوریتم جنگل تصادفی[1]و با ویژگی های هندسی و چند طیفی، به سه صورت اقدام شده است که شامل استفاده جداگانه از اطلاعات طیفی، اطلاعات هندسی و تلفیق اطلاعات طیفی و هندسی با یکدیگر می باشد. نتایج نشان دهنده بهبود 25 درصدی دقت در روش تلفیق اطلاعات طیفی و هندسی نسبت به روش استفاده جداگانه از اطلاعات طیفی می باشد و نیز بهبود 32 درصدی دقت در روش تلفیق اطلاعات طیفی و هندسی نسبت به روش استفاده جداگانه از اطلاعات هندسی می باشد؛ همچنین بین روش استفاده از اطلاعات چند طیفی و روش استفاده از اطلاعات مریی (RGB) مقایسه ای انجام شده است که نتایج نشان دهنده برتری 5 درصدی دقت روش استفاده از اطلاعات چند طیفی می باشد.