الگوریتم ژنتیک تکمیلی ناحیه مبنا

سامر (Sumer) و همکاران (2008 و 2013) بر پایة به کارگیری الگوریتم انطباقی فازی-ژنتیک، رویکردی نوین در آشکارسازی ساختمان ها با استفاده از تصاویر ماهواره ای با قدرت تفکیک مکانی بالا مطرح کردند. روش پیشنهادی با کاهش مشکل همگرایی زودرس در الگوریتم ژنتیک، دقت آشکارسازی عوارض را بهبود چشمگیری بخشید. نبودِ کنترل های هندسی بر خروجی این الگوریتم از محدودیت های رویکرد پیشنهادی به شمار آمده است. در این تحقیق، برای رفع این محدودیت، روش استخراج فازی ژنتیک که سامر و همکاران (2013) آن را توسعه دادند با کنترلگر هندسی پیشنهادی ادغام شد. در این الگوریتم، ابتدا نمونه های آموزشی و تست انتخاب می شوند، سپس اپراتورهای پایة پردازش تصویر روی ژن های کروموزوم ها قرار می گیرند. خروجی های موقتی حاصل از اعمال اپراتورهای پردازش تصویر بر باندهای تصویر ورودی به یک تصویر باینری با بیشترین میزان تمایز بین دو کلاس تبدیل می شوند. با محاسبة میزان مطابقت بین نمونة انتخابی و خروجی الگوریتم، مقادیر ارزش برای هریک از اعضای جامعه محاسبه می شود. در پایان چرخة هر نسل، رویکرد فازی در نظر گرفته شده در این تحقیقْ مقادیر احتمالی اصلاح شده برای عملیات لقاح و جهش را به منظور ممانعت از همگرایی نابهنگام در شروع نسل بعد تعیین می کند. این فرایند تا زمان دستیابی به تعداد مشخصی از تکرار ادامه می یابد. به منظور کنترل هندسی خروجی های الگوریتم پیشنهادی، یک الگوریتم ژنتیک تکمیلی ناحیه مبنا نیز توسعه داده شده است. با فرض مشابهت ساختمان های همجوار در یک منطقة شهری، الگوریتم تکمیلی سعی در بهینه یابی محدودة مساحتی در منطقة مورد مطالعه دارد. بدین ترتیب که نواحی با حدود خارج از محدودة مساحتی تعیین شده به منزلة عوارض کلاس «غیرساختمان» برچسب گذاری می شوند. این الگوریتم در دوازده ناحیة انتخابی با ساختمان های متراکم و پراکنده در منطقة ورزقان استان آذربایجان شرقی پیاده سازی شد. میزان کاپای محاسبه شده با به کارگیری رویکرد پیشنهادی بین 0.59 تا 0.91 است که، درمقایسه با تحقیقات مشابه، عملکرد بهتری از خود نشان می دهد. این الگوریتم در مناطق شهری و حومة شهری، به نسبت نواحی روستایی، نتایج بهتری داشت.