ادغام تصویر فراطیفی و داده لیدار در سطح توصیف گر بر مبنای الگوریتم بهینه سازی توده ذرات چندهدفه به منظور طبقه بندی مناطق شهری

داده های فراطیفی و لیدار با توجه به فراهم آوردن اطلاعات طیفی و ارتفاعی غنی می توانند پتانسیل بالایی در تفکیک عوارض در مناطق پیچیده شهری داشته باشند. در این مطالعه، روشی فراابتکاری در بهینه سازی ادغام داده ها در سطح توصیف گر ارایه شده است. برای این هدف، یک فضای توصیف گر جامع طیفی-مکانی-ساختاری مبتنی بر دو داده و با استفاده از روش های استخراج ویژگی شامل شاخص های طیفی، آنالیز بافت، ناهمواری و غیره ایجاد می شود. در مطالعات انجام شده عموما از یک معیار برای ارزیابی عملکرد طبقه بندی کننده استفاده می شود. در روش پیشنهادی، سه معیار ارزیابی قدرت تعمیم الگوریتم، پیچیدگی طبقه بندی و جدایی بین کلاس ها در نظر گرفته شده است. الگوریتم بهینه سازی توده ذرات چندهدفه با هدف انتخاب زیرمجموعه ای بهینه از توصیف گرها و تعیین پارامترهای طبقه بندی کننده ماشین های بردار پشتیبان بکار گرفته شده به صورتیکه سه معیار بهینه شود. نتایج بدست آمده نشان می دهد که روش پیشنهادی با حذف 300 توصیف گر (از مجموع 611 توصیف گر) دقت طبقه بندی را تا %11 و %58 به ترتیب نسبت به تصویر فراطیفی و لیدار بهبود بخشیده و همچنین فاصله بین کلاس ها افزایش می یابد.