رویکرد طبقه بندی نیمه نظارتی در تصویربرداری ابرطیفی

در این مقاله، یک ماشین بردار پشتیبانی نیمه نظارتی کارآمد (SVM) با الگوریتم کلی مبتنی بر تقسیم بندی برای طبقه بندی تصویر ابرطیفی پیشنهادشده است. این الگوریتم از اطلاعات فضایی استخراج شده توسط یک الگوریتم تقسیمبندی برای انتخاب نمونه بدون برچسب استفاده میکند. نمونه های بدون برچسب که بیشترین شباهت را به موارد برچسب داردارند، یافت شده و مجموعه کاندید نمونه های بدون برچسب که قرار است انتخاب شوند، به بخشهای تصویر متناظر بسط داده میشود. برای تضمین این مطلب که نمونه بدون برچسب نهایی به صورت فضایی توزیع گسترده داشته باشد و همبستگی آن کمتر باشد، انتخاب تصادفی انجام میشود با انعطاف پذیری تعداد نمونه های بدون برچسب که درواقع در یادگیری نیمه نظارتی شرکت دارند. طبقه بندی همچنین از طریق یک تکنیک کلی مشخصه طیفی – فضایی پالایش میشود. روش پیشنهادی با نمونه های آموزش برچسب دار بسیار محدود از طریق آزمایشها با دو تصویر ابرطیفی ارزیابی میشود که در آن این مورد بر SVMکاملا نظارتی و نسخه نیمه نظارتی بدون دسته کلی طیفی - فضایی برتری دارد.

Keywords:

SVM , ابر طیف , نیمه نظارتی , برچسب