زهرا دالوند - گروه مهندسی کامپیوتر، دانشکده فنی مهندسی، دانشگاه آزاد اسلامی، خرم آباد، ایرا ن

امروزه با توسعه سیستم های سنجش از راه دور فراطیفی، طبقه بندی محدوده وسیعی از پدیده ها با کلاس های پوشش زمینی مشابه در سطح زمین میسر گردیده است. مزیت تصویر فراطیفی، تعداد باندهای به کار گرفته شده برای تدوین هر صحنه است. علیرغم این ویژگی منحصر به فرد، پردازش ابعاد بسیار بالای داده های فراطیفی بسیار پرهزینه و زمان بر است. یکی از راه حل ها برای غلبه بر این مشکل، کاهش دادن ابعاد فضای ورودی با استفاده از روش های انتخاب ویژگی است. در سال های اخیر الگوریتم های مبتنی بر خرد جمعی به دلیل سادگی و کارایی بالای آنها برای انتخاب بهینه کلی در فضایی با ابعاد بالا مورد توجه قرار گرفته است. در این مقاله به منظور بدست آوردن حداقل تعداد ویژگی با بالاترین دقت طبقه بندی تصاویر، کارایی دو الگوریتم شیران و ژنتیک مورد بررسی قرار پیاده سازی Pavia گرفت. الگوریت م ها بر روی تصویر فراطیفی گردید. نتایج تحقیق نشان میدهد، الگوریتم شیرا ن در تمام جنبه های بررسی شده برتری قابل توجهی نسبت به الگوریتم ژنتیک دارد .

الگوریتم ژنتیک، الگوریتم شیران، تصویر فراطیفی، طبقه بند