استخراج ویژگی طیفی مکانی با استفاده از تحلیل طیفی تکین سه بعدی برای طبقه بندی تصاویر ابرطیفی

Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 146

This Paper With 16 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JCEJ-12-47_003

تاریخ نمایه سازی: 10 مرداد 1402

Abstract:

استخراج ویژگی دارای نقشی ارزنده در پردازش تصاویر ابرطیفی است. در سالهای اخیر روشهای گوناگونی برای استخراج ویژگیهای کارآمد تصاویر ابر طیفی ارائه شده است. اخیرا تحلیل طیفی تکین شامل ویرایش معمولی آن در حوزه طیفی و تحلیل طیفی تکین دو بعدی در حوزه مکانی با موفقیت برای استخراج ویژگی در تصاویر ابرطیفی بکار گرفته شده است. با این حال عدم توفیق در استخراج ویژگیهای موثر طیفی مکانی مشترک به عنوان یکی از اشکالات این دو الگوریتم به شمار می رود. در این مقاله برای غلبه بر این اشکال، یک توسعه سه بعدی از تحلیل طیفی تکین ارائه شده است. اعمال مدل پیشنهادی به تصاویر ابرطیفی منجر به حذف مولفه های نویزی شده و توانایی تشخیص ویژگیها بسیار بهبود می یابد. در این پژوهش، از دو مجموعه داده در دسترس عموم برای انجام آزمایشها استفاده شده است. نتایج آزمایشگاهی نشان می دهد که روش پیشنهادی ما عملکرد امیدوار کننده ای دارد به گونه ای که روی مجموعه داده ابرطیفی ایندیانا و دانشگاه پاویا به ترتیب دقت طبقه بندی حداقل ۱/۹۳% و ۱/۲۷% را در مقایسه با سایر روشهای اخیر کسب نموده است.

Keywords:

Authors

احسان دشتی فرد

گروه برق، واحد شیراز، دانشگاه آزاد اسلامی، شیراز، ایران

آذر محمودزاده

گروه برق، واحد شیراز، دانشگاه آزاد اسلامی، شیراز، ایران

احمد کشاورز

گروه مهندسی برق، دانشکده مهندسی سیستمهای هوشمند و علوم داده، دانشگاه خلیج فارس، بوشهر، ایران

حامد آگاهی

گروه برق، واحد شیراز، دانشگاه آزاد اسلامی، شیراز، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • L. He, J. Li, C. Liu, and S. Li, “Recent ...
  • S. D. Fabiyi et al., “Varietal classification of rice seeds ...
  • F. Luo, B. Du, L. Zhang, L. Zhang and D. ...
  • B. Kumar, O. Dikshit, A. Gupta and M.K. Singh, “Feature ...
  • C. Zhao, X. Li, J. Ren, and S. Marshall, “Improved ...
  • T. Qiao et al., “Effective denoising and classification of hyperspectral ...
  • G. Chen and S.-E. Qian, “Denoising of hyperspectral imagery using ...
  • T. Qiao et al., “Joint bilateral filtering and spectral similarity-based ...
  • X. Kang, X. Xiang, S. Li, and J. A. Benediktsson, ...
  • J. Zabalza, R. Jinchang, W. Zheng, S. Marshall, and W. ...
  • J. Zabalza, J. Ren, Z. Wang, H. Zhao, J. Wang, ...
  • Genyun Sun, et al., “SpaSSA: Superpixelwise Adaptive SSA for Unsupervised ...
  • P. R. Marpu, M. Pedergnana, M. D. Mura, J. A. ...
  • S. Jia, L. Shen, and Q. Li, “Gabor feature-based collaborative ...
  • J. Zabalza et al., “Novel two-dimensional singular spectrum analysis for ...
  • J. Zabalza, C. Qing, P. Yuen, G. Sun, H. Zhao, ...
  • J. Xia, L. Bombrun, T. Adalı, Y. Berthoumieu, and C. ...
  • X. Kang, S. Li, L. Fang, and J. A. Benediktsson, ...
  • B. Sun, X. Kang, S. Li, and J. A. Benediktsson, ...
  • F. Samadi, G. Akbarizadeh, and H. Kaabi, “Change detection in ...
  • F. Sharifzadeh, G. Akbarizadeh, and Y. Seifi Kavian, “Ship classification ...
  • Y. Chen, Y. Wang, Y. Gu, X. He, P. Ghamisi, ...
  • O. Oktay et al., “Anatomically constrained neural networks (ACNNs): Application ...
  • M. Zalpour, G. Akbarizadeh, and N. Alaei-Sheini, “A new approach ...
  • X. Kang, C. Li, S. Li, and H. Lin, “Classification ...
  • Y. Guo, H. Cao, J. Bai, and Y. Bai, “High ...
  • Y. Kong, X. Wang, and Y. Cheng, “Spectral–spatial feature extraction ...
  • E. Aptoula, M. C. Ozdemir, and B. Yanikoglu, “Deep learning ...
  • L. Heming and Q. Li, “Hyperspectral imagery classification using sparse ...
  • N. Golyandina and A. Zhigljavsky, “Singular Spectrum Analysis for Time ...
  • A. Shlemov, N. Golyandina, D. Holloway, and A. Spirov, “Shaped ...
  • H. Fu, G. Sun, J. Zabalza, A. Zhang, J. Ren, ...
  • N. C. Shirazi, R. Hamzehyan, and A. Masoomi, “The Comparison ...
  • F. Hajiani, N. Parhizgar, and A. Keshavarz, “Hyperspectral Image Classification ...
  • C. Chih-Chung and L. Chih-Jen, “LIBSVM: A library for support ...
  • B. Liu, X.Yu, P. Zhang, A.Yu,Q. Fu, andX.Wei, “Supervised deep ...
  • P . Ma, J. Ren, H. Zhao, G. Sun, P. ...
  • نمایش کامل مراجع