امیر سلیمی - گروه اکتشاف معدن، دانشکده مهندسی معدن، نفت و ژیوفیزیک، دانشگاه صنعتی شاهرود، شاهرود، ایران
منصور ضیایی - گروه اکتشاف معدن، دانشکده مهندسی معدن، نفت و ژیوفیزیک، دانشگاه صنعتی شاهرود، شاهرود، ایران
علی امیری - گروه مهندسی کامپیوتر، دانشکده مهندسی، دانشگاه زنجان، زنجان، ایران
مهدیه حسینجانی زاده - گروه اکولوژی، پژوهشگاه علوم و تکنولوژی پیشرفته و علوم محیطی، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان، ایران

طبقه بندی نظارت شده یکی از بهترین روش های استخراج اطلاعات از تصویر است. دقت طبقه بندی نظارتشده تصاویر سنجش از دور متاثر از تعداد باندهای طیفی و تعداد نمونه های آموزشی است؛ به طوریکه اگر تعداد نمونه ها از تعداد باندها خیلی کمتر باشد دقت طبقه بندی کاهش می یابد. وقوع این مشکل در طبقه بندی تصاویر ابرطیفی به دلیل داشتن باندهای طیفی بسیار بیشتر در مقایسه با تصاویر چندطیفی، محتملتر است. در چنین شرایطی استفاده از روشهای انتخاب ویژگی میتواند راهگشا باشد. این روشها با انتخاب باندهای دارای بیشترین اطلاعات در مورد موضوع مورد بررسی و حذف باندهای نامربوط، زاید و دارای اطلاعات تکراری کارآیی طبقه بندی را افزایش میدهند. در این پژوهش استفاده از یک روش انتخاب ویژگی مبتنی بر الگوریتم رقابت استعماری فازی به شناسایی تنها 5 درصد از کل باندهای طیفی یعنی 9 باند از بین 165 باند قابل استفاده هایپریون منجر شد. 9 باند یادشده بیشترین سهم در شناسایی مناطق دگرسانی را داشته و دقیقا در بازه هایی قرار گرفته اند که مناسب برای شناسایی کانیهای شاخص مناطق دگرسانی هستند که خود بیانگر دقت بالای روش استفاده شده است. همچنین طبقه بندی نظارت شده توسط ماشین بردار پشتیبان و با استفاده از 17 نمونه دگرسانی برداشتشده از محدوده نشان می دهد که دقت نقشه پراکندگی دگرسانی با استفاده از 9 باند انتخاب شده در مقایسه با حالتی که کل باندهای هایپریون استفاده شده اند، به طور چشمگیری بهبود یافته است.

روش انتخاب ویژگی، مناطق دگرسانی، سنجش از دور ابرطیفی، مس پورفیری دره زار