یاسر انصاری - کارشناسی ارشد فتوگرامتری، دانشگاه صنعتی خواجه نصیرالدین طوسی
علی محمدزاده - دانشیار گروه فتوگرامتری و سنجش از دور، دانشگاه صنعتی خواجه نصیرالدین طوسی
محمودرضا صاحبی صاحبی - دانشیار گروه فتوگرامتری و سنجش از دور، دانشگاه صنعتی خواجه نصیرالدین طوسی
کوروش خوش الهام - استادیار گروه مهندسی زیرساخت، دانشگاه ملبورن، استرالیا

روش های اتوماتیک شناسایی و استخراج عارضه ساختمان از منابع گوناگون اطلاعاتی همچون تصاویر هوایی و ماهواره ای و داده های لیدار دارای کاربردهای بسیار وسیع و مهم مانند به روزرسانی نقشه ها، مدلسازی و آنالیز رشد و پیشرفت در مناطق شهری و نیمه شهری به دست می آید. هدف اصلی مقاله طرح روش جدید اتوماتیک استخراج ساختمان با تلفیق داده های لیدار و تصویر هوایی است. برا­ی این منظور در مرحله اول، انواع روش های شناسایی ساختمان (SVM­۱، MD۲ و ANN۳) در دو سطح پیکسل پایه و شیء ­مبنا بررسی و ارزیابی شد. نتایج حاصل از شناسایی حاکی از توانایی بالای روش SVM، در مقایسه با دیگر روش ها، در دو سطح پیکسل پایه و شیء مبناست که دقت کلی ۹۵.۹٪ و خطای نوع اول ۶.۲٪ و خطای نوع دوم ۳.۲٪ را نشان می دهد که در حالت پیکسل مبنا به منزله روش منتخب شناسایی است. در مرحله دوم، براساس روش منتخب شناسایی مرز دقیق ساختمان بازسازی می ­شود. بنابراین با استفاده از قطعه بندی برمبنای طیفی و هندسی، لبه هر ساختمان به صورت قطعات مجزا تفکیک شد. سپس لبه های هر ساختمان براساس معادلات کمترین مربعات بازسازی می شود. نتایج روش پیشنهادی استخراج ساختمان با دقت کلی ۹۶.۸۵٪­، خطای نوع اول ۵.۹٪ و خطای نوع دوم ۲.۵٪ برای الگوریتم پیشنهادی استخراج است. 

شناسایی ساختمان, استخراج ساختمان, لیدار, طبقه بندی, قطعه بندی