استفاده از استخراج ویژگی بر مبنای کلاس به همراه ترکیب طبقه بندی کننده ها به منظور طبقه بندی تصاویر ابرطیفی
Publish place: Geomatics 1387
Publish Year: 1387
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,193
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
GEO87_012
تاریخ نمایه سازی: 15 مهر 1386
Abstract:
طبقه بندی تصاویر ابر طیفی یکی از معمول ترین روش های استخراج اطلاعات ازتصاویر ماهواره ای ابرطیفی است. در تصاویر ابرطیفی، به علت پایین بودن تعداد نمونه های آموزشی نسبت به تعداد ابعاد ا ین تصاویر، ممکن است مشکلات یکتایی ماتریس کووریانس به وجود اید. بنابراین بایستی روشی اتخاذ نمود ، تا بتوان ابعاد این تصاویر را کاهش داد و ما در این مقاله از روش های استخراج ویژگی، استفاده کرده ایم. این روش ها بر مبنای بهینه کردن یکمعیار، مثلا معیار Fisher عمل کرده و بیشترین اطلاعات موجود را به کمترین تعداد ویژگی ممکن منتقل می کنند. در این مقاله از روش NWFE برای استخراج ویژگی استفاده شده است.
روش دیگری که می تواند موجب حل مشکلات ناشی از بالا بودن ابعاد این تصاویر و پایین بودن دقت عملکرد طبقه بندی کننده ML در مورد تصاویر ابرطیفی شود، ترکیب طبقه بندی کننده ها است. در این مقاله به نوعی از روش های ترکیب طبقه بندی کننده ها به همراه استخراج ویژگی بر مبنای کلاس استفاده شده است.
نتایج به دست آمده نشان می دهد که استفاده از استخراج ویژگی و ترکیب طبقه بندی کننده ها به صورت همزمان، می تواند نسبت به هر یک از روش های استخراج ویژگی و ترکیب طبقه بندی کننده ها دقت بالاتری را نتیجه دهد، ضمن اینکه در اینروش، مشکلات تمامی روش های قبلی نیز برطرف می شود.
Authors
مجید رحیم زادگان
کارشناس ارشد سنجش از دور، دانشگاه صنعتی خواجه نصیرالدین طوسی
یاسر مقصودی مهرانی
کارشناس ارشد سنجش از دور، دانشگاه صنعتی خواجه نصیرالدین طوسی
محمدجواد ولدان زوج
دانشیار گروه سنجش از دور، دانشکده مهندسی نقشه برداری، دانشگاه صنعتی
محمدرضا مباشری
استادیار گروه سنجش از دور، دانشکده مهندسی نقشه برداری، دانشگاه صنعتی
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 :