پایش تغییرات مناطق شهری بر اساس پالایش نمونه‌های آموزشی خودکار حاصل از تصاویر نور شب

با رشد و گسترش مناطق شهری و شهرنشینی نیاز به استخراج مناطق شهری ضرورت بالایی پیدا کرده است. در سال‌های اخیر ماهواره‌های سنجش‌ازدوری بسیار پرکاربرد بوده‌اند. یکی از این تصاویر، تصاویر برداشت شده در شب با عنوان تصاویر نور شب می‌باشد. زیرا یکی از روش‌های تولید نقشه‌های چند زمانه استفاده از روش‌های طبقه‌بندی بر روی تصاویر سنجش‌ازدوری می‌باشد اما از طرفی تولید نمونه‌های آموزشی به صورت دستی دارای هزینه بالا و سرعت پایین می‌باشد و تصاویر نور شب به علت ماهیت خاصی که دارد می‌تواند در تولید نمونه آموزشی استفاده شود. ازاین‌رو در این تحقیق با استفاده از نمونه‌های آموزشی که به صورت خودکار از روی تصاویر نور شب به دست می‌آید مناطق شهری توسط الگوریتم طبقه‌بندی نظارت‌شده استخراج می‌شوند. در ابتدا سعی شده است با استفاده از ویژگی‌های استخراج‌شده از تصویر لندست در شهر رشت، نمونه‌های آموزشی اولیه به‌دست‌آمده از تصویر نور شب پالایش و تصحیح شوند و در ادامه به الگوریتم طبقه‌بندی کننده ماشین بردار پشتیبان معرفی می‌شوند. این تحقیق در شهر رشت بکار گرفته شده است که میانگین ضریب کاپا برای دو سال از 56/76 در طبقه‌بندی اولیه به 85/09 در طبقه‌بندی نهایی افزایش یافته است.