ارایه الگو مدل طبقه بندی تصاویر سنجش از راه دور با استفاده از تبدیل موجک و دسته بند ماشین بردار پشتیبان

در این مقاله، به آنالیز و شبیه سازی مدل کلاس نواحی تصویر برداری پرداخته می شود. یکی از مهمترین کاربردهایتصاویر سنجش از دوری است. به این عمل طبقه بندی تصویر می گویند. فرایند طبقه بندی کردن یک تصویر را می توان باسه قسمت سنجنده، استخراج کننده ویژگی و طبقه بندی کننده مدل کرد. سنجنده در واقع مبدلی است که امواجالکترومغناطیسی باز تابیده از یک شی را، به تصاویر چند طیفی تبدیل می کند. در بخش استخراج ویژگی، چند ویژگی ازتصویر استخراج می شود. این ویژگیها متناسب با اطلاعات خواسته شده از طرف کاربر می باشند. در طبقه بندی کننده، بااستفاده از ویژگیهای بدست آمده از بخش قبل، کلاس مربوط به هر پیکسل را مشخص می کند. فرض اصلی در طبقهبندی تصاویر سنجش از دوری چند طیفی این است که، کلاس های مختلف دارای ویژگی های متفاوتی هستند، که طبقهبندی کلاسها را امکان پذیر می سازد. در پژوهش بعمل آمده، به کمک تبدیل موجک ویژگی های مناسب برای طبقه بندیانتخاب می شود. سپس با استفاده از طبقه بندی اولیه، کلاس هر پیکسل و همسایه های آن مشخص می گردد. سپس برایهر پیکسل، با استفاده از کلاس آن پیکسل و همسایه هایش، یک طبقه بندی کننده سلسله مراتبی طراحی می گردد.تصمیم گیری در هر یک از سطوح این طبقه بندی کننده، بوسیله یک ماشین بردار پشتیبان انجام می شود و در نهایت بهکمک دسته بندهای مختلف نتایج شبیه سازی را با یکدیگر مقایسه و الگوریتم مناسب انتخاب می شود. شبیه سازی اینپژوهش با استفاده از نرم افزار MATLAB می باشد.

Keywords:

ماشین بردار پشتیبان , تصاویر ابرطیفی , سنجش از دور , تبدیل موجک , اطلاعات مکانی