مقایسه روش های تقسیم بندی شبکه عصبی SVM و SAM در پردازش تصاویر هایپریون مطالعه موردی آتشفشان مساحیم

دورسنجی ابر ط یفی یکی از ابزار ه ای پیشرفته در مدل ساز ی الگو ی ط یفی مواد سطح زم ین به حساب می آید. با توجه به تکنولوژی جدید سنجنده های ابرطیفی و اهمیت کاربرد داده های ابرطیفی در مطالعات اکتشافی نیاز به بررسی نتایج حاصل از این فن آوری در مناطقی شاخص و در برابر داده های میدانی یکی از موضوعات مهم در بحث پی جویی کانسارها می باشد . داده های سنجنده ابرطیفی هایپریون حاوی اطلاعات بسیار غنی از سطح زمین در ٢۴٢ باند ظری ف و پیوسته هستند . در این مطالعه به مقایسه روش های پردازشی شبکه عصبی SVM و SAM بر روی این مجموعه داده های با ارزش از منطقه ای با دگرسانی شاخص در مرکز کالدرای مساحیم پرداخته شده است . به منظور ارزیابی صحت روش های مذکور مطالعات میدانی و آزمایشگاهی شامل بررسی نقاط ب ا حداکثر شدت دگرسانی، طیف نگاری، آزمایش XRD و مطالعه مقاطع میکروسکپی نمونه های سنگی برداشت شده از منطقه انجام و ماتریس صحت برای هر کدام از روش ها ترسیم گردید . ترس یم ماتر یس صحت نتایج حاصل از روش های شبکه عصبی SVM و SAM به ترتیب ضر ایب صحت عامل ی برابر ب ا 57/6 درصد ، 64/4 درصد و 74/58 درصد را نشان م ی دهد . بنابراین روش هایی که بیشتر بر مبنای شباهت الگوی طیفی بنا نهاده شده اند نتایج منطبق تری با مطالعات میدانی نشان می دهند.

Keywords:

هایپریون , مساحیم , آبدر , تقسیم بنده شبکه عصبی , SAM , SVM