تلفبق تصاویر هوایی حرارتی و مرئی به منظور شناسایی عوارض شهری
Abstract(in Persian; no English abstract is available)
تولید اطلاعات دقیق و به روز از جمله ابزار های اساسی و مهم به منظور مدیریت و برنامه ریزی شهری می باشد. گسترش روز افزون تکنولوژی فتوگرامتری و سنجش از دور امکان استخراج اطلاعات متنوع از پوشش های شهری را فراهم می آورد. اما وجود عوارض متنوع در محدوده شهرها و نیز کاربری های مختلف اطلاعات مکانی تولید شده، تلفیق منابع داده را امری ضروری می کند. علاوه بر این، استفاده از تلفیق منابع متنوع داده سنجش از دوری جهت شناسایی عوارض شهری کارایی خود را به اثبات رسانده است. از این رو، در این تحقیق تلفیق داده جدید فراطیفی مادون قرمز حرارتی با قدرت تفکیک مکانی بالا و تصویر مرئی جهت شناسایی و طبقه بندی عوارض شهری مورد مطالعه قرار گرفت. در تحقیقات پیشین روش های پیشنهادی با تکیه بر اطلاعات طیفی / مکانی تصویر مرئی و نیز اطلاعات طیفی داده حرارتی به شناسایی عوارض شهری پرداختن اند. این در حالی است که، فضای ویژگی مکانی تولیدی از داده حرارتی مد نظر قرار نگرفته است. همچنین روش های کاهش ابعاد فضای ویژگی داده فراطیفی حرارتی در تحقیقات پیشین از کارایی مناسبی برخوردار نبوده است. در این تحقیق روشی سلسله مراتبی سه سطحی جهت شناسایی عوارض شهری با استفاده از داده های مذکور پیشنهاد گردیده است. در سطح اول با استفاده از فضای ویژگی طیفی / مکانی مستخرج از تصویر مرئی و نیز معرفی دو شاخص گیاهی جدید با عنوان های sivi و msivi تفکیک سه کلاس درختان، گیاهان و سایر عوارض شهری انجام شد. نتایج به دست آمده نشان داده استفاده از روش پیشنهادی در سطح اول شناسایی عوارض شهری، موجب افزایش دقت کلاس درختان و گیاهان به ترتیب تا 11 و 35 درصد در مقایسه با استفاده از فقط تصویر مرئی را نشان می دهد. در سطح دوم نشان داده شد که استفاده از روش کاهش ابعاد فضای ویژگی sppp در مقایسه با روش های شناخته شده دیگر بر روی داده حرارتی با افزایش دقتی کل و ضریب کاپا به ترتیب تا 4و 7 درصد همراه است. سپس با استخراج اطلاعات طیفی / مکانی از تصویر حرارتی کاهش ابعاد یافته و تصویر مرئی شش کلاس گیاهان شهری، ساختمان با سقف قرمز، ساختمان با سقف خاکستری، ساختمان با سقف آسفالت، راه ها و خاک پرداخته شد. در مرحله بعد خروجی سطح اول و دوم ادغام شد. خروجی مرحله ادغام، تصویر طبقه بندی شده خام شامل هفت کلاس "درختان"، "گیاهان"، "ساختمان با سقف قرمز"، "ساختمان با سقف خاکستری"، "ساختمان با سقف آسفالت"، "راه ها" و "خاک" است. در نهایت در سطح سوم، الگوریتمی شی مبنای نوین به منظور پس پردازش نقشه طبقه بندی-شده خام خروجی از مراحل قبل با عنوان روش" پس پردازش شی مبنا قاعده مبنا" ارائه گردید. نتایج حاصل از روش پیشنهاد شده در این تحقیق با نتایج خروجی مسابقه تلفیق داده جامعه سنجش از دور ieee 2014 با معیار کاپای ماتریس ابهام مقایسه و جزء بهترین نتایج قرار گرفت. همچنین نتایج بدست آمده برای دقت کل و ضریب کاپا مقادیر به ترتیب 95 و 83/92 درصد را نشان می دهد.