طبقه بندی تغییرات ساختمانها با بکارگیری الگوریتم های یادگیری ماشین روی ابرنقطه حاصل از فتوگرامتری رقومی

چکیده مقاله

امروزه الگوریتمهای یادگیری ماشین در موضوع طبقهبندی به موفقیتهای چشمگیری دست یافته و مقاالت زیادی در این زمینه منتشر گردیده است در این مقاله روشهای یادگیری ماشین برای طبقه بندی تغییرات ساختمانها مورد توجه قرار گرفته است مهمترین مراحل این روش، آموزش مدل و یادگیری ، استخراج ویژگی و برچسب گذاری ساختمانها از نظر تغییر یافتگی می باشد که در قالب یک ساختار طبقه بندی نظارت شده و با استفاده از روشهای یادگیری ماشین آموزش دیده و اجرا می گردند در این تحقیق از قابلیت تولید ابرنقطه رنگی و مدل رقومی سطح از تصاویر هوائی استرئو استفاده 1 گردیده و با بکارگیری اختالف دو مدل رقومی سطح DDSM2 در دو بازه زمانی، ضمن حذف درختان با استفاده از شاخص NDVI و فیلتر اطلاعات داخل معابر، با استخراج ویژگیهای رادیومتریک و ارتفاعی، 3از الگوریتم های SVM و جنگل تصادفی برای طبقه بندی تغییرات ساختمانها استفاده گردیده است و سپس این تغییرات در سه گروه شامل ساختمانهای بازسازی شده، دارای تغییرات ارتفاعی و جدیداالحداث، دسته بندی میشود محصول نهائی این روش تهیه نقشه تغییرات ساختمانها و طبقه بندی نوع تغییرات میباشد نتایج این تحقیق نشان دهنده موثر بودن استفاده از روشهای یادگیری ماشین بوده و میزان دقت و صحت استخراج و طبقه بندی تغییرات در مناطق شهری به ترتیب 96 و 82 درصد را در برداشته است

کلیدواژه‌ها

نویسندگان

مریم قربانی

کارشناس ارشدGIS/RSسازمان نقشه برداری کشور – اداره کل منطقه شمالشرق

سیدمحمد ایازی

دانشجوی دکتری مهندسی عمران، نقشه برداری، دانشگاه تهران ، سازمان نقشه برداری کشور – اداره کل منطقه شمالشرق

قربانی، مریم و ایازی، سیدمحمد،1397،طبقه بندی تغییرات ساختمانها با بکارگیری الگوریتم های یادگیری ماشین روی ابرنقطه حاصل از فتوگرامتری رقومی،بیست و پنجمین همایش و نمایشگاه ملی ژئوماتیک و سومین کنفرانس مهندسی فناوری اطلاعات مکان،تهران

ارائه‌شده در

مجموعه مقالات بیست و پنجمین همایش و نمایشگاه ملی ژئوماتیک و سومین کنفرانس مهندسی فناوری اطلاعات مکان30 آبان 1397 · تهران