بهبود طبقه بندی طیفی- مکانی تصاویر ابر طیفی با به کارگیری اطلاعات مکانی در انتخاب نشانه ها

فناوری سنجش از دور ابرطیفی دارای کاربردهای فراوان در طبقه بندی پوشش های زمین و بررسی تغییرات آنها است. معمول ترین روش جهت طبقه بندی تصاویر ابرطیفی، طبقه بندی مبتنی بر پیکسل بوده که در آن هر پیکسل فقط با اطلاعات طیفی خود و بدون درنظر گرفتن پیکسل های همسایه، به کلاس مشخصی اختصاص می یابد. پیشرفت های اخیر و ایجاد تصاویری با قدرت تفکیک مکانی بالا، لزوم استفاده توام از اطلاعات طیفی و مکانی را در طبقه بندی تصاویر ابرطیفی ایجاب می کند. در این تحقیق روشی جدید برای طبقه بندی طیفی- مکانی تصاویر ابر طیفی و بر اساس الگوریتم قطعه بندی هرمی مبتنی بر نشانه معرفی می شود. در میان الگوریتم های مختلف طبقه بندی، طیفی- مکانی تصاویر ابرطیفی، تاکنونالگوریتم قطعه بندی هرمی مبتنی بر نشانه در ترکیب با الگوریتم طبقه بندی ماشین بردار پشتیبان به بهترین نتایج دست یافته است. در روش پیشنهادی برای انتخاب نشانه ها از ترکیب قطعه بندی واتر شد (Watershed) و طبقه بندی ماشین بردار پشتیبان استفاده می شود. برای این منظور از میان پیکسل های با بیشترین جمعیت برای هر ناحیه از نقظه قطعه بندی، آنهایی که دارای بالاترین درجه تعلق به یک کلاس هستند، به عنوان نشانه انتخاب می گردند. سپس بر روی نشانه های بدست آمده، الگوریتم قطعه بندی هرمی پیاده سازی می شود. در نهایت نقشه قطعه بندی بدست آمده به کمک قانون تصمیم رای اکثریت با نقشه طبقه بندی ماشین بردار پشتیبان ترکیب می گردد. روش پیشنهادی بر روی سه تصویر ابر طیفی Pavia, Berlin و DC Mall پیاده سازی شد، نتایج آزمایشات بدست آمده برتری روش پیشنهادی را در مقایسه با الگوریتم هرمی مبتنی بر نشانه اولیه نشان می دهد. این برتری برابر با 4، 6 و 5 درصد در پارامتر ضریب کاپا و به ترتیب برای تصاویر Pavia, Berlin و DC Mall می باشد.

Keywords:

تصویر ابرطیفی , طبقه بندی طیفی- مکانی , انتخاب نشانه , قطعه بندی واترشد , قطعه بندی هرمی مبتنی بر نشانه