هدف اصلی این تحقیق، بررسی الگوریتم‏های استخراج راه از تصاویر راداری و نوری و نشان دادن پتانسیل بالای استفاده توأمان از این دو منبع جهت استخراج راه و همچنین ارائه طبقه بندی کننده‏ی مناسب برای تلفیق این دو منبع به منظور رفع نواقص الگوریتم‏‏های استخراج راه از داده‏‏های تک منبعی و بهبود نتایج کشف راه می‏باشد. به منظور دستیابی به این هدف، از تصویر نوری آیکونوس و تصویر راداری terrasar_xبا حد تفکیک مکانی 1 متر در منطقه‏ای با بافت پیچیده شهری واقع در شهر شیراز استفاده گردید. در تحقیق حاضر شبکه‏‏های عصبی با هدف کشف راه مورد استفاده قرار گرفته‏اند. یکی از مراحل مهم تحقیق به استخراج راه به طور مجزااز هر یک از منابع راداری و نوری اختصاص می‏یابد که با هدف مقایسه بین دو منبع و کشف نقاط قوت و ضعف هر یک از این تصاویر در کشف عارضه راه انجام می‏پذیرد. پس از انجام پیش‏پردازش‏های لازم و هم‏مرجع سازی میان دو تصویر، پارامترهای بافت از هر یک از تصاویر استخراج گردیده و به عنوان بردار ورودی به شبکه عصبی معرفی می‏گردد و پس از طراحی ساختار بهینه شبکه عصبی توسط داده‏‏های آموزشی، آموزش می‏یابد و برای سایر پیکسل‏‏ها فراخوانی می‏گردد. پس از مقایسه بین دو منبع تصویری و مشخص شدن نقاط قوت و ضعف هر یک در استخراج راه، در مرحله بعد استراتژی‏هایی برای تلفیق دو منبع به منظور بهره‏گیری از مزایا و ویژگی‏های مکمل دو منبع و رفع نواقص موجود، ارائه و پیاده سازی می‏گردد. این استراتژی‏ها شامل دو روش تلفیق به کمک شبکه عصبی و تلفیق دانش پایه می‏باشد. در روش اول خروجی شبکه عصبی هر یک از منابع به همراه سه باند طیفی تصویر نوری توسط شبکه عصبی سوم تلفیق می‏گردد و در روش دوم از دانش کارشناسی برای تلفیق خروجی دو شبکه عصبی اول بهره‏جویی می‏شود. بدین ترتیب که با استفاده از فیلترهایی الگوریتم هوشمندتر شده و تصمیم‏گیری در مورد ماهیت پیکسلمورد نظر را بر اساس این فیلترها انجام می‏دهد. که نتایج حاصل نشان دهنده موفقیت این دو استراتژی در بهبود دقت الگوریتم‏های تک منبعی در مناطق با بافت پیچیده شهری می‏باشد. با پیاده‏سازی روش‏های فوق بر روی تصاویر و برآورد پارامترهای مختلف ارزیابی دقت، افزایش پارامتر rcc تا مرز 80 درصد و پارامترbccتا 93 درصد و بهبود پارامترrmseکارائی روش‏های پیشنهادی در این تحقیق را به اثبات رسانده است.

برآورد میزان تولید محصولات کشاورزی مستلزم برآورد سطح زیر کشت و تعیین نوع محصول است. به دلیل اینکه میزان تولید ارقام مختلف گیاه برنج متفاوت است تعیین نوع رقم در این محصول با استفاده از تصاویر سنجش از دوری مورد توجه می باشد. در این تحقیق با توجه به تناسب حد تفکیک مکانی تصاویر landsat8 با ابعاد رایج زمین های کشاورزی یکپارچه، و نیز تناسب تصاویر سری زمانی 16 روزه ی این ماهواره با تغییرات فنولوژیکی محصول برنج و همچنین دسترسی به روز، آسان و مجانی به این تصاویر، از این تصاویر استفاده شده است. روش مورد استفادهدر این تحقیق به دو مرحله اصلی تقسیم می شود؛ در مرحله اول مزارع برنج شناسائی می شوند و در مرحله دوم مزارع شناسائی شده به دو رقم محلی(کم محصول) و اصلاح شده(پر محصول) طبقه بندی می شوند. به منظور تفکیک ارقام مورد نظر از طبقه بندی کننده های بیشترین شباهت، ماشین بردار پشتیبان و جنگل های تصادفی و یک روش توسعه داده شده بر اساس تغییرات گرادیان طیفی در تصاویر سری زمانیlandsat8 اخذ شده در سال 1392 هجری شمسی، استفاده شده است. در این روش پیشنهادی ابتدا یکالگو برای تغییرات شیب میان باندی میانگین هر کدام از کلاس ها تولید می شود؛ سپس بین تغییرات شیب میان باندیتک تک پیکسل ها با الگوهای تولید شده مقایسه صورت می گیرد و نوع تغییر در آن پیکسل کشف و نهایتاً آن پیکسل به کلاسی نسبت داده می شود که تغییراتش به الگوی آن کلاس نزدیک تر باشد. در تولید ویژگی استفاده شده در این روش تغییرات فنولوژیکی ارقام مختلف برنج بر اساس تقویم زراعی آن ها در منطقه مطالعاتی که شهرستان آمل می باشد، در نظر گرفته شده است. استفاده از این روش در طبقه بندی دو رقم از برنج شهرستان آمل و با استفاده از داده های زمینی به دقت کلی 76% و روش شناسائی مزارع برنج به دقت کلی 95% رسید.