نوع مقاله : مقاله پژوهشی

نویسندگان

• احمد جواهری ¹
• ابراهیم قلی پور ²

¹ کارشناس ارشد فتوگرامترى

² کارشناس نقشه‏ بردارى

چکیده

تشخیص و طبقه ‏بندى عوارض روى تصاویر، به عنوان زیر بناى بسیارى از کاربردها از جمله تهیه مدل رقومى ارتفاعى زمین، شناسایى تغییرات، به روز رسانى نقشه‏ ها و بسیارى موارد دیگر در علوم مهندسى ژئوماتیک مطرح بوده و در سالهاى اخیر محققین سعى در بهبود دقت در انجام این روند داشته ‏اند. شناخت عوارض و طبقه‏ بندى تصویر، مجموعه پردازش ها و عملیاتى را گویند که منجر به شناسایى عوارض و نسبت دادن بر چسب به هر کدام از پیکسل هاى ورودى به عملیات طبقه ‏بندى مى‏ شود. بر این مبنا، شناخت و تشخیص، با تکیه بر اختلافاتى که اشیاء از لحاظ خصوصیات ثبت شده توسط سنجنده‏ هاى مختلف با یکدیگر دارند، قابل انجام است. هر چه اطلاعات متنوع ‏ترى از عوارض موجود باشد نتایج با دقت و قابلیت اعتماد بالاترى حاصل مى‏ گردد. امروزه با پیشرفت تکنولوژى، انواع مختلفى از اطلاعات توسط سنجنده‏ هاى مختلف در دسترس قرار گرفته است. اما هیچ کدام از این منابع داده تمام خصوصیات بافتى، هندسى و طیفى یک شى را به همراه ندارند. به همین خاطر تلفیق اطلاعات حاصل از سنجنده ‏هاى مختلف به منظور کامل کردن فضاى توصیف که منجر به استخراج دقیق‏تر عوارض مى‏ گردد، گریزناپذیر است. در این تحقیق، تلفیق اطلاعات عکس هوایى رقومى و داده‏ هاى لیدار مورد ارزیابى قرار گرفته و نقش آن در افزایش دقت طبقه‏ بندى با استفاده از یک مجموعه داده از منطقه‏ اى در آلمان، مورد آزمایش قرار گرفت. نتایج نشان دهنده افزایش دقت طبقه‏ بندى با استفاده همزمان از داده‏ هاى عکس هوایى رقومى و لیدار مى ‏باشد .

کلیدواژه‌ها

• لیدار
• عکس رقومى هوایى
• توصیف گر
• فضاى توصیف
• ماتریس خطا

عنوان مقاله [English]

Combining Lidar Data and Aerial Digital Images to Improve Classification Accuracy

نویسندگان [English]

• Ahmad Javaheri ¹
• Ebrahim Gholipour ²

¹ Master of Photogrammetry

² Bachelor of Surveying

چکیده [English]

Recognition and classification of land features on the images have been considered as the base of many applications including the development of a digital model of elevation, identification of changes, updating of maps and many other cases in geomatics. In recent years, researchers have tried to improve the accuracy of this process. By recognizing land features and classification of the image we mean the set of processes and operations which lead to identifying land features and attributing a sticker to each of the pixels entering the classification operation. Based on this, recognition and identification can be achieved by relying on the differences between objects in terms of characteristics recorded by different sensors. The more varied information is available, the more precise and reliable the results will be. Today, with the advancement of technology, various types of information are available by various sensors. But none of these sources provide all the textural, geometric, and spectral properties of an object. That's why it is inevitable to combine the information from different sensors to complete the descriptive space that leads to more accurate extraction of land features. In this study, the integration of digital aerial image information and Lidar data has been evaluated and its role in increasing the accuracy of classification has been tested using a data set from an area in Germany. The results show that the classification accuracy is increased by using digital aerial image and Lidar data simultaneously.

کلیدواژه‌ها [English]

• LiDAR
• Aerial Digital Image
• Descriptor
• Descriptive Space
• Error Matrix