استفاده از استخراج ویژگی بر مبنای کلاس به همراه ترکیب طبقه بندی کننده ها به منظور طبقه بندی تصاویر ابرطیفی

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.