نظر به گسترش شهرها، بهروزرسانی نقشههای شهری جهت برنامهریزی شهری حائز اهمیت و کارآمدی آن متأثر از دقت استخراج اطلاعات/شناسایی تغییرات است. روشهای استخراج اطلاعات از دیدگاه واحد پایه محاسباتی به دو گروه پیکسلمبنا و شئمبنا تقسیم میشوند. آنالیزهای شئمبنا محدودیتهای آنالیزهای پیکسلمبنا (تولید نتایج فلفل-نمکی و تولید عوارض با حفره) را رفع نموده است. در استخراج اطلاعات با طبقهبندی SVM در مناطق پیچیده شهری، بهرهگیری از ویژگیهای متنوع جهت بهبود دقت مطرح است، بااینحال، به دلیل افزایش فضای ویژگی، احتمال حضور ویژگیهای وابسته افزایش مییابد. همچنین در SVM نیاز به تعیین مقادیر پارامترهای مدل است. در اکثر تحقیقات پیشین مبتنی بر آنالیزهای شئمبنا، دو مرحله مهم فوق به روش سعی و خطا و یا مبتنی بر دانش فرد خبره تعیین میشدند. لزوم انتخاب ویژگیهای مستقل ازیکطرف و ضرورت تعیین مقادیر بهینه پارامترهای SVM شئمبنا از سوی دیگر با هدف کاهش حداکثری تعامل کاربر سبب شده است که در این مقاله، روشی نوین با سطح خودکارسازی نسبتاً بالا مبتنی بر بهینهسازی توأمان SVM شئمبنا با الگوریتمهای فرا ابتکاری جهت بهروزرسانی نقشههای بزرگ مقیاس با تلفیق تصاویر با قدرت تفکیک مکانی بالا و داده ارتفاعی ارائه شود. همچنین انتخاب نیمهخودکار نمونههای آموزشی/آزمایشی نیز افزایش سطح خودکارسازی روند بهروزرسانی را تأمین مینمایند. لذا با توجه به اهمیت استخراج اطلاعات بر نتایج بهروزرسانی، روش پیشنهادی سعی بر بهبود نتایج این مرحله دارد. نتایج حاصل از پیادهسازی روش پیشنهادی بر تصاویر آزمایشی نسبت به رویکردهای پیکسلمبنا، حاوی نتایج نویزی نبودند و زمان اجرای روش پیشنهادی در فرآیند بهینهسازی و طبقهبندی در مقایسه با رویکرد پیکسلمبنا بهطور قابلتوجهی کاهش یافت. درنهایت دقت نقشه تغییرات از روش پیشنهادی در مقایسه با رویکرد معمول منجر به بهبود 9% ضریب کاپا و 5% معیار کیفیت در کلاس تغییریافته شد.
Tamimi E, Ebadi H, Kiani A. Developing a New Method in Object Based Classification to Updating Large Scale Maps with Emphasis on Building Feature. JGST 2019; 8 (4) :203-220 URL: http://jgst.issgeac.ir/article-1-689-fa.html
تمیمی الهه، عبادی حمید، کیانی عباس. توسعه روشی نوین در بهینهسازی طبقهبندی شئمبنا جهت بهروزرسانی نقشههای بزرگ مقیاس شهری با تأکید بر عارضه ساختمان. علوم و فنون نقشه برداری. 1398; 8 (4) :203-220