طبقهبندی تصاویر فراطیفی به وسیله ی ترکیب روش ماشینهای بردار پشتیبان و مؤلفههای مستقل مقید

این پژوهش شامل یک روش ترکیبی، جهت طبقهبندی نظارت شده تصاویر سنجش از دور فرا طیفی می باشد. در طبقه بندی نظارت شده ، به اطلاعات اولیه از صحنه تصویر برداری همچون تعداد و نوع کلاسهای حاضر به عنوان دادههای 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 مستقلمقید 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 فضایی این پدیدهها از روش طبقه بندی نظارت شده و الگوریتم طبقهبندی 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 98/04و97/65درصد است که درمقایسه با روشهای مرسوم طبقهبندی نظارت شده بهتر هستند. روش پیشنهادی دارای دو مزیت است: نخست نیاز به داده های آموزشی ازطریق فرآیند جدا سازی طیفی به صورت خود کار برطرف گردیده است، دوم آنکه گزینش بهترین دادهها جهت آموزش طبقهبندی کننده با داشتن ماتریس فراوانی عناصر خالص نتایج بهتری به دست میدهد.

Keywords:

تصاویر فراطیفی , ماشین های بردار پشتیبان , مؤلفههای مستقل مقید , دقت کلی , ضریب کاپا