జర్నల్ ఆఫ్ రిమోట్ సెన్సింగ్ & GIS

నైరూప్య

పూర్తి లాంబ్డా మరియు SVM మెథడ్స్ డిజిటల్ ఇమేజ్‌ల నుండి రోడ్‌లను తీయగల సామర్థ్యం యొక్క మూల్యాంకనం

అబ్దుల్లాహి ఎ, భక్తియారీ హెచ్‌ఆర్‌ఆర్ మరియు నెజాద్ పిఎం

ఫోటోగ్రామెట్రీ మరియు రిమోట్ సెన్సింగ్ ఉపయోగించి భూమిపై సమాచారాన్ని స్వయంచాలకంగా వెలికితీసేందుకు మానవ డేటా మరియు ఇమేజ్ డేటా యొక్క సూత్రీకరణ అవసరమవుతుంది, కనుక ఇది చిత్రంలోని మొత్తం కంటెంట్‌ను కలిగి ఉండాలి. ఇమేజ్‌లోని వివిధ వస్తువుల సంక్లిష్ట నిర్మాణం దీన్ని చేయడం కోసం సవాళ్లకు దారి తీస్తుంది. కాబట్టి, డిజిటల్ డేటా రకాన్ని ఎంచుకోండి మరియు మ్యాపింగ్ ఖచ్చితత్వంలో కావలసిన ప్రభావాన్ని సంగ్రహించడానికి ఒక మంచి మార్గం ముఖ్యం. ఈ అధ్యయనం ఉపగ్రహ మరియు వైమానిక చిత్రాల నుండి నేరుగా, స్పైరల్, ఖండన, పట్టణ మరియు పట్టణేతర రహదారులతో సహా వివిధ రకాల వెలికితీత యొక్క సెమీ-ఆటోమేటెడ్ పద్ధతిని పరిశోధించింది. ఉపయోగించిన డేటాలో అల్ట్రాక్యామ్ వైమానిక చిత్రం, 0.5 మీటర్ల రిజల్యూషన్‌తో పట్టణేతర ప్రాంతం యొక్క వరల్డ్‌వ్యూ ఉపగ్రహ చిత్రం మరియు 0.61 మీటర్ల రిజల్యూషన్‌తో టెహ్రాన్ ప్రావిన్స్‌లోని క్విక్-బర్డ్ చిత్రాలు ఉన్నాయి. ప్రతిపాదిత పద్ధతిలో, ఫుల్ లాంబ్డా పద్ధతిని ఉపయోగించి ఇమేజ్ సెగ్మెంటేషన్‌ని ప్రదర్శించిన తర్వాత, SVM అల్గారిథమ్‌ని ఉపయోగించి ఇమేజ్ వర్గీకరణ జరిగింది మరియు డిస్కవర్ వేస్ యొక్క నాణ్యతను మెరుగుపరచడానికి మరియు శబ్దం మరియు అంతరాలను తొలగించడానికి పదనిర్మాణ కార్యకలాపాలు ఉపయోగించబడతాయి. ఇమేజ్ సెగ్మెంటేషన్‌లో ఫుల్ లాంబ్డా పద్ధతి అధిక ఖచ్చితత్వాన్ని కలిగి ఉన్న ఇమేజ్‌ల కోసం, ఇమేజ్ వర్గీకరణ యొక్క ఖచ్చితత్వం పెరుగుతుంది మరియు దాని నుండి రహదారిని వెలికితీయడం మెరుగ్గా జరిగింది. 81 శాతం కంటే ఎక్కువ సగటు ఖచ్చితత్వం మరియు సగటు ఖచ్చితత్వం కప్పా గుణకం చిత్రం వర్గీకరణలో 78 శాతం కంటే ఎక్కువ రహదారి మరియు నాన్-రోడ్ అనే రెండు తరగతులుగా వివిధ రహదారులను సెమీ ఆటోమేటిక్ వెలికితీత కోసం ప్రవేశపెట్టిన వ్యవస్థ యొక్క మంచి సామర్థ్యాన్ని సూచిస్తుంది.