జర్నల్ ఆఫ్ రిమోట్ సెన్సింగ్ & GIS

నైరూప్య

భారతదేశంలో నేషనల్ ల్యాండ్ రికార్డ్స్ ఆధునీకరణ కార్యక్రమం కోసం OBIA మరియు మెషిన్ లెర్నింగ్ ఉపయోగించి కాడాస్ట్రల్ బౌండరీ ఎక్స్‌ట్రాక్షన్ మరియు ఇమేజ్ క్లాసిఫికేషన్

ఠాకూర్ V, డోజా MN, అహ్మద్ T, రావత్ R

ప్రస్తుత పని మెషీన్ లెర్నింగ్ అల్గారిథమ్‌లను ఉపయోగించి కాడాస్ట్రాల్ సరిహద్దుల వెలికితీత మరియు ఇమేజ్ వర్గీకరణ కోసం డైనమిక్ విధానంపై ఆధారపడి ఉంటుంది. దేశంలో మ్యాప్ డిజిటలైజేషన్ ప్రక్రియను సులభతరం చేయడంపై ఈ ప్రయత్నాలు కేంద్రీకృతమై ఉన్నాయి. లార్జ్ స్కేల్ మీన్ షిఫ్ట్ సెగ్మెంటేషన్ అల్గోరిథం అధ్యయనం కోసం తీసుకున్న రెండు విభిన్న రకాల అధ్యయన ప్రాంతాల నుండి కాడాస్ట్రాల్ సరిహద్దుల వర్ణన కోసం ఉపయోగించబడింది, వాటి భూభాగాలు-కొండలు మరియు మైదానాల ఆధారంగా. విభజన నాణ్యతను AssesSeg సాఫ్ట్‌వేర్ ద్వారా కొలుస్తారు. వర్గీకరణలు-రాండమ్ ఫారెస్ట్ మరియు సపోర్ట్ వెక్టర్ మెషీన్‌లను ఉపయోగించే మోడల్‌లకు శిక్షణ ఇవ్వబడింది మరియు వాటి సామర్థ్యాన్ని బహుళ చిత్రాలపై పరీక్షించారు. ల్యాండ్‌ఫార్మ్‌ల ఆధారంగా నమూనాల ప్రవర్తన గమనించబడింది. సూచన డేటా ఆధారంగా లోపం మాత్రికలు రూపొందించబడ్డాయి. చిత్ర విశ్లేషణ ద్వారా పాత మ్యాప్‌లను అప్‌డేట్ చేయడం కోసం మేము ఈ మోడల్‌లను డెమోన్‌స్ట్రేటర్‌గా పరీక్షించాము మరియు వాటి పనితీరు ఆధారంగా, దేశంలోని ల్యాండ్ రికార్డ్స్ డేటాను అప్‌డేట్ చేయడానికి వాటిని ఉపయోగించగల సామర్థ్యాన్ని పరిగణించాము. ఉపగ్రహ చిత్రాలను ఉపయోగించి భౌగోళిక లక్షణాల వెలికితీత మరియు వర్గీకరణ కోసం పర్యవేక్షించబడే యంత్ర అభ్యాస పద్ధతులను స్వీకరించే అవకాశాన్ని ఈ పరిశోధన చూపుతుంది.