ارزیابی عملکرد دو مدل یادگیری عمیق در استخراج عوارض ساختمانی از تصاویر ماهوار های با مدل رقومی سطح

ساختمان ها یکی از مهم تر ین عوارض دست ساز بشر هستند کهشناسایی و مدیریت آن ها کاربردهای فراوانی دارد. تصاویرسنجش ازدور و مدل رقومی سطح، منابع مناس بی برای استخراج وتولید نقشه ساختمان ها هستند. با توجه به پیشرفت یادگیری عمیقدر دهه اخیر، این روش برای استخراج خودکار عوارض ساختمانی ازتصاویر سنجش ازدور کارآمد است. در این تحقیق از دو مدل یادگیریعمیق شامل U-Net و MA-FCN برای تشخیص عوارض ساختمانی از تصاویر سنجش ازدور با بهره گیری از مدل رقومی سطح استفاده شدهاست. نتایج حاصل از این تحقیق نشان می دهد که استفاده از مدلرقومی سطح در کنار تصاویر سه باندی، نتایج استخراج ساختمان ها رادر این روش ها بهبود داده و در تعداد اپک آموزشی کمتر نسبت بهتصاویر سه باندی به نتایج بهتری دست می یابد . استفاده از مدل رقومی سطح در مدل های U-Net و MA-FCN به ترتیب ۷% و ۶% نتایج را بهبود داده است.