آشکارسازی دانش مبنای ساختمان ها با ادغام تصاویر ماهواره ای و داده های لیزری

یکی از مطالعات کاربردی در زمینه تحلیل‌های شیئ مبنا، استخراج عوارض شهری است. ساختمان‌ها از مهم‌ترین عوارض شهری در نقشه های بزرگ مقیاس می‌باشند، لذا فرآیند شناسایی و استخراج این عوارض به ویژه در فرآیندهای مکان مبنای مرتبط با پدافند غیرعامل از اهمیت بالایی برخوردار است. به دلیل تنوع خصوصیات طیفی و هندسی این دسته از عوارض، شناسایی آن‌ها در مناطق مطالعاتی مختلف، با مشکلاتی همراه است. در این پژوهش با استفاده از تحلیل شیئ مبنا و ویژگی‌های استخراج‌شده از داده‌های لیزری و عکس های هوایی به شناسایی ساختمان‌های با سقف شیب‌دار پرداخته می‌شود. در گام نخست پس از فرآیند بخش‌بندی، جدا‌سازی عوارض مرتفع و غیر‌مرتفع با استفاده از لایه شیب و جهت شیب انجام می‌شود. در گام بعدی با استخراج ویژگی‌های هندسی و مفهومی، تفکیک درختان و ساختمان‌ها از یکدیگر انجام می‌گردد. در گام پایانی بازسازی ساختمان‌های از دست‌‌رفته، توسط عملگرهای ریخت‌شناسی صورت می‌پذیرد. تلفیق دو دسته داده ورودی در سطح تصمیم‌گیری منجر به بهره‌مندی از مزایای ویژگی‌های هر دو داده می‌شود و هر‌کدام از آن‌ها می‌تواند مشکلات و کاستی‌های دیگری را پوشش دهد. در روش پیشنهادی، یک راهبرد قاعده مبنا مبتنی بر تولید ویژگی‌های هندسی و مفهومی و استفاده از شیوه چند‌ مرحله‌ای در نظر گرفته شده است. سرانجام دقت کلی شناسایی رده ساختمان، 87% و ضریب کاپا 0.81 به‌دست آمد. نتایج، نشان‌دهنده قابلیت بالای روش‌های شیئ مبنا در شناسایی عوارض شهری نظیر ساختمان‌ها با تلفیق داده‌های لایدار و عکس‌های هوایی با وجود تنوع شکل در محیط‌ های شهری می‌باشد.