رویکرد ژنتیک تکمیلی ناحیه‌ مبنا برای آشکارسازی ساختمان ‌ها با استفاده از تصاویر ماهواره‌ای با قدرت تفکیک مکانی بالا

سامر (sumer) و همکاران (2008 و 2013)  بر پایه به‌کارگیری الگوریتم انطباقی فازیژنتیک، رویکردی نوین در آشکارسازی ساختمان‌ها با استفاده از تصاویر ماهواره‌ای با قدرت تفکیک مکانی بالا مطرح کردند. روش پیشنهادی با کاهش مشکل همگرایی زودرس در الگوریتم ژنتیک، دقت آشکارسازی عوارض را بهبود چشمگیری بخشید. نبودِ کنترل‌های هندسی بر خروجی این الگوریتم‌ از محدودیت‌های رویکرد پیشنهادی به‌شمار آمده است. در این تحقیق، برای رفع این محدودیت، روش استخراج فازی ژنتیک که سامر و همکاران (2013) آن را توسعه دادند با کنترلگر هندسی پیشنهادی ادغام شد. در این الگوریتم، ابتدا نمونه‌های آموزشی و تست انتخاب می‌شوند، سپس اپراتورهای پایه پردازش تصویر روی ژن‌های کروموزوم‌ها قرار می‌گیرند. خروجی‌های موقتی حاصل از اعمال اپراتورهای پردازش تصویر بر باندهای تصویر ورودی به یک تصویر باینری با بیشترین میزان تمایز بین دو کلاس تبدیل می‌شوند. با محاسبه میزان مطابقت بین نمونه انتخابی و خروجی الگوریتم، مقادیر ارزش برای هریک از اعضای جامعه محاسبه می‌شود. در پایان چرخه هر نسل، رویکرد فازی در نظر گرفته‌شده در این تحقیقْ مقادیر احتمالی اصلاح‌شده برای عملیات لقاح و جهش را به‌منظور ممانعت از همگرایی نابهنگام در شروع نسل بعد تعیین می‌کند. این فرایند تا زمان دستیابی به تعداد مشخصی از تکرار ادامه می‌یابد. به‌منظور کنترل هندسی خروجی‌های الگوریتم پیشنهادی، یک الگوریتم ژنتیک تکمیلی ناحیه‌مبنا نیز توسعه داده شده است. با فرض مشابهت ساختمان‌های همجوار در یک منطقه شهری، الگوریتم تکمیلی سعی در بهینه‌یابی محدوده مساحتی در منطقه مورد مطالعه دارد. بدین‌ترتیب که نواحی با حدود خارج از محدوده مساحتی تعیین‌شده به‌منزله عوارض کلاس «غیرساختمان» برچسب‌گذاری می‌شوند. این الگوریتم در دوازده ناحیه انتخابی با ساختمان‌های متراکم و پراکنده در منطقه ورزقان استان آذربایجان شرقی پیاده‌سازی شد. میزان کاپای محاسبه‌شده با به‌کارگیری رویکرد پیشنهادی بین 0.59 تا 0.91 است که، درمقایسه با تحقیقات مشابه، عملکرد بهتری از خود نشان می‌دهد. این الگوریتم در مناطق شهری و حومه شهری، به‌نسبت نواحی روستایی، نتایج بهتری داشت.