fa شناسایی ساختمان در مناطق شهری با استفاده از تلفیق ویژگی های تصاویر نوری و راداری در شبکه‌های عصبی سنجش از دور RS پژوهشي Research <p>در این مقاله، تصاویر پانکروماتیک، چندطیفی و رادار با گشودگی ترکیبی (<span dir="LTR">SAR</span>) باهدف شناسایی ساختمان تلفیق‌شده‌اند. این تلفیق به‌منظور رفع نواقص و ضعف&shy;های مجموعه داده‌های تک منبعی می‌باشد. به همین منظور ابتدا سه مجموعه داده به‌صورت جداگانه مورد ارزیابی قرارگرفته است که از برخی ویژگی‌های ورودی پیشنهادی برای شناسایی ساختمان استفاده‌شده است. سپس این ویژگی‌ها در ترکیب‌های مختلف با یکدیگر تلفیق‌شده و نتایج مورد مقایسه قرارگرفته‌اند. در تمامی بررسی‌ها، شبکه عصبی مصنوعی اعمال‌شده و عملکرد آن‌ها در پوشش‌های مختلف سقف‌های ساختمان مورد ارزیابی قرارگرفته است. نتایج حاصل نشان می‌دهد که روش بهینه تلفیق شناسایی ساختمان‌ها، بیش از 10% ضریب کاپا را افزایش می‌دهد. همچنین استراتژی تلفیق پیشنهادی منجر به حداقل 8 برابر بهتر شدن همگنی نتایج شناسایی‌شده در انواع مختلف سقف شده است. بنابراین نتایج حاصل از روش پیشنهادی با دقت کلی، ضریب کاپا و دقت شناسایی ساختمان به ترتیب 87.11% و 67.99% و 89.08% مؤید توانایی این روش در شناسایی ساختمان داده‌های چند منبعی اپتیک و رادار می‌باشد.</p> <p>In this paper high-resolution SAR, panchromatic and multispectral images are fused for building detection purposes. This fusion is aimed to compensate the defects and shortcomings of these individual data sets. For this reason at first these three data sets are considered individually where some proposed input features are used for building detection. Then these features are fused in different combinations and the results are compared. In all experiments neural networks are applied and their performances are evaluated over different cover types of building roofs. It was discovered that the optimum fusion solution improves the building detection for more then 10% kappa coefficient. Also the proposed fusion strategy caused at least 8 times betters homogeneity of detection results over different roof types. The proposed method enjoying overall accuracy, kappa coefficient and building detection accuracy of% 87.11, % 67.99 and%89.08 respectively confirms the ability to detect buildings of multi-resource radar and optical data.</p> شناسایی ساختمان, تلفیق, تصویر رادار, تصویر نوری, شبکه‌های عصبی building detection, fusion, radar image, optical image, neural networks 33 51 http://jgit.kntu.ac.ir/browse.php?a_code=A-11-120-1&slc_lang=fa&sid=1 maryam teimouri مریم تیموری mteimouri@mail.kntu.ac.ir 10031947532846004875 10031947532846004875 Yes K. N. Toosi University of Technology دانشگاه صنعتی خواجه‌نصیرالدین طوسی mehdi Mokhtarzade مهدی مختارزاده m_mokhtarzade@kntu.ac.ir 10031947532846004876 10031947532846004876 No K. N. Toosi University of Technology دانشگاه صنعتی خواجه‌نصیرالدین طوسی Mohammad Javad Valadan Zouj محمدجواد ولدان زوج valadanzouj@kntu.ac.ir 10031947532846004877 10031947532846004877 No K. N. Toosi University of Technology دانشگاه صنعتی خواجه‌نصیرالدین طوسی