سیداحمد علیزاده مقدم - دانشجوی کارشناسی ارشد سنجش از دور، دانشکده مهندسی نقشه برداری دانشگاه صنعتی خواجه نصیرالدین طوسی
مهدی مختارزاده - دانشیار دانشکده مهندسی نقشه برداری دانشگاه صنعتی خواجه نصیرالدین طوسی
سیدحامد علیزاده مقدم - فارغ التحصیل کارشناسی ارشد سنجش از دور، دانشکده مهندسی نقشه برداری دانشگاه صنعتی خواجه نصیرالدین طوسی

سیستم های طبقه بندی چندگانه 1 ( MCSs ( عملکرد مناسبی برای طبقه بندی تصاویر ابر طیفی از خود نشان داده اند. این نوع از طبقهبندی کنندهها به الگوریتمهای خاصی اشاره نمیکنند؛ این روشها در حقیقت تلفیق نتایجچندین طبقهبندی کننده مجزا به نام ensemble ، به منظور دستیابی به عملکرد بهتر میباشد. کلید موفقیت MSC ها دو مورد: 1( متفاوت بودن و 2 ( دقیق بودن نتایج ensemble ها میباشد. یکی از روش موجود برای تولید ensemble های متفاوت، انتخاب تصادفی ویژگی )باند( میباشد که به روش انتخاب تصادفی ویژگی 2 )RFS( معروف است. اگرچه در این روش، جنبه متفاوت بودن ensemble ها بالا میباشد، تضمینی در مناسب بودنویژگیهای استفاده شده وجود ندارد. برای مثال اگر ویژگی های موجود آغشته به نویز تصادفی باشند، نتایج طبقه بندی کننده دقیق و قابل اطمینان نمیباشد. در این تحقیق برای پوشاندن ضعف روش مذکور، روشی با نامانتخاب تصادفی قطعه 3 )RSS( ارائه شده است. در این روش، برای تولید ensemble ها، در ابتدا به صورت تصادفی خوشههایی از ویژگی )باند( های مجاور انتخاب میشوند . سپس در هر خوشه، با انجام میانگین گیری از ویژگیها، یک ویژگی جدید استخراج شده و عملیات طبقه بندی انجام میگیرد. استخراج ویژگی پیشنهادی در روش RSS ، باعث کاهش نویز تصادفی در باندهای اصلی شده و نسبت سیگنال به نویز را افزایش میدهد. علاوه برافزایش نسبت سیگنال به نویز، روش استخراج ویژگی فوق باعث کاهش انحراف معیار یا به عبارتی فاصله ی درون کلاسی شده و در نتیجه قابلیت تفکیک پذیری بین کلاسها را بالا میبرد. نتایج انجام شده در این تحقیق، حاکی از برتری روش پیشنهادی بر روش RFS میباشد، به طوری که روش پیشنهادی را میتوان جایگزین مناسبی برای آن خواند.

طبقه بندی، تصاویر ابرطیفی، سیستم طبقه بندی چندگانه، روش انتخاب تصادفی ویژگی.