بررسی روش ماشین بردار پشتیبان و الگوریتم ژنتیک جهت شناسایی عوارض منطقه شهری با استفاده از تلفیق تصویر نوری و داده لیدار

در این طبقه بندی و شناسایی عوارض شهری از تصاویر هوایی و ماهواره ای در سال های اخیر یک بحث تحقیقاتی فعال در حوزه سنجش از در است الگوریتم های طبقه بندی عوارض در مناطق پیچیده شهری مانند منطقه مورد مطالعه با مشکلات بسیاری مواجه می باشند این مقاله در دو حالت کلی بررسی شده و در هر حالت طبقه بندی بدون با استفاده از الگوریتم ژنتیک اجرا شده است در این مقاله هدف بررسی دقت های الگوریتم ماشین بردار پشتیبان در حالت های مذکور می باشد در حالت اول تنها از ویژگی های بافت تصویر نوری و طیف آن استفاده شده است در حالت دوم ویژگی های لیدار به ویژگی های قبل اضافه شده است همین در این تحقیق تاثیر الگوریتم زنتیک در بیشتر شدن دقت شناسایی عوارض شهری در هر دو حالت مذکور بررسی شده است سپس نتایج حاصل از هر روش با داده مرجع مقایسه و ارزیابی می شود از مقایسه ضرایب کاپا در هر دو حالت بیان شده در فوق نشان داده است که روش ماشین بردار پشتیبان تلفیق شده با الگوریتم ژنتیک نتایج بهتری نسبت به دیگر حالت ها داشته است

کلیدواژه ها:

طبقه بندی کننده ماشین بردار پشتیبان ، الگوریتم ژنتیک ، تصویر نوری ، داده لیدار