زینب محمدی فرد - دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد بوشهر
پیمان پارسا - دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد بوشهر
علی رفیعی - استادیار دانشگاه آزاد اسلامی واحد کازرون

تصاویر سنجش از دور فراطیفی در این مقاله به وسیله ترکیب مؤلفه های مستقل مقید و ماشین بردار پشتیبان طبقه بندی می شوند. در طبقه بندی نظارت شده، به اطلاعات اولیه از صحنه تصویر برداری همچون تعداد و نوع کلاسهای حاضر به عنوان داده های آموزشی برای آموزش طبقه بندی کننده نیاز است. در روش پیشنهادی، با ترکیب فرآیند جداسازی طیفی و طبقه بندی نظارت شده ، نیاز به داشتن اطلاعات اولیه مرتفع میگردد. در این مقاله از روش تحلیل مؤلفه های مستقل مقید جهت جداسازی طیفی استفاده شده است. پس از استخراج مشخصه طیفی و فراوانی عناصرخالص موجود در صحنه، خالص ترین پیکسل ها از نقشه فراوانی هر عنصرخالص به عنوان داده آموزشی برگزیده میشوند. در مرحله بعد به منظور تهیه یک نقشه از پراکندگی فضاییاین پدیدهها از روش طبقه بندی نظارت شده و الگوریتم طبقه بندی کننده ماشین بردار پشتیبان استفاده می شود. برای ارزیابی کارایی و دقت روش پیشنهادی دراین پژوهش، الگوریتم توسعه یافته بر روی پایگاه داده سالیناس مربوط به سنجنده آویریس مورد بررسی قرار گرفته است. دقت کلی و ضریب کاپا طبقه بندی روش پیشنهادی به ترتیب 99/01 % و 98/27 % است که در مقایسه با روشهای مرسوم طبقه بندی نظارت شده بهتر هستند. روش پیشنهادی دارای دو مزیت است: نخست نیاز به داده های آموزشی از طریق فرآیند جدا سازی طیفی به صورت خود کار برطرف گردیده است، دوم آنکه گزینش بهترین داده ها جهت آموزش طبقه بندی کننده با داشتن ماتریس فراوانی عناصر خالص نتایج بهتری به دست میدهد.

تصاویر فراطیفی، ماشین های بردار پشتیبان، مؤلفه های مستقل مقید، دقت کلی، ضریب کاپا