امروزه تلفیق داده‌ها و تصاویری که از منابع مختلف سنجش­ازدوری به دست آمده­اند، به عنوان راه حلی بهینه به منظور استخراج اطلاعات بیشتر مطرح است. در این راستا، سنجنده‌های غیرفعال نوری به صورت گسترده در نگاشت ساختارهای افقی مورد استفاده قرار می‌گیرند. داده‌های راداری نیز با توجه به این که غالباً مستقل از شرایط جوی و به صورت شبانه روزی امکان جمع‌آوری دارند و نیز برخی ساختارهای زمینی و اهداف مصنوعی پاسخ ویژه‌ای در فرکانس راداری دارند، توانایی‌های تصاویر نوری را تکمیل می‌کنند. همچنین داده‌های هوابرد لیدار نیز می‌توانند اندازه­گیری‌های نمونه‌ای با دقت بسیار بالا از ساختارهای قائم در اختیار قرار دهند. در نتیجه، تلفیق داده‌های نوری، راداری و لیدار می‌تواند اطلاعات بیشتری در کاربردهای متنوع فراهم نماید. لذا در این تحقیق، با تلفیق این سه دسته داده سعی بر شناسایی عوارض خاص شهری به شکل بهینه نمودیم. در این راستا، با بکارگیری و تولید توصیف­گرهای مختلف (141 توصیف­گر) و با استفاده از روش استخراج ویژگی (روش PCA) و تخمین ابعاد ذاتی داده­ها (شامل SML و NWHFC)، فضای بهینه­ای برای طبقه­بندی نظارت شده ایجاد شد. پس از انجام طبقه­بندی (روش K-NN) با استفاده از نتایج بدست آمده، توصیف­گرهای (لایه­های اطلاعاتی) تولید شده برای شناسایی عوارض خاص شهری شامل ساختمان­ها، راه­ها و پوشش گیاهی بر اساس دقت کلاسه­بندی بدست آمده، گروه‌بندی شدند. نتایج عددی بدست آمده حاکی از کارایی بالای رویه تلفیقی با بکارگیری روش NWHFC و با دقت کلی بالای 90% برای داده­های مختلف بکارگرفته شده است.