بهنام اصغری بیرامی؛ مهدی مختارزاده
چکیده
در سالهای اخیر استفاده از ویژگیهای مکانی به منظور افزایش صحت طبقهبندی تصاویر ابرطیفی بسیار رایج شده است. تا به امروز روشهای مختلفی برای طبقهبندی طیفی-مکانی تصاویر ابرطیفی معرفی شده است و تحقیقات مربوطه در راستای معرفی روشهایی با ساختار سادهتر و صحت بالاتر تا اکنون نیز در جریان است. در این مقاله یک روش جدید مبتنی بر ترکیب ...
بیشتر
در سالهای اخیر استفاده از ویژگیهای مکانی به منظور افزایش صحت طبقهبندی تصاویر ابرطیفی بسیار رایج شده است. تا به امروز روشهای مختلفی برای طبقهبندی طیفی-مکانی تصاویر ابرطیفی معرفی شده است و تحقیقات مربوطه در راستای معرفی روشهایی با ساختار سادهتر و صحت بالاتر تا اکنون نیز در جریان است. در این مقاله یک روش جدید مبتنی بر ترکیب ویژگیهای مستخرج از ماتریس محلی کرنل وزندار ویژگیهای طیفی-فرکتالی به منظور تولید ویژگیهای کارا برای طبقهبندی تصاویر ابرطیفی معرفی شده است. مزیت اصلی روش ماتریس محلی کرنل وزندار این است که موجب میشود تا وابستگیهای محلی غیرخطی میان ویژگیها که در روشهای کلاسیک مورد توجه نیست، در فرآیند تولید ویژگی لحاظ شوند. در روش ارائه شده این تحقیق از روش ماتریس محلی کرنل وزندار به منظور تولید ویژگیهای جدید از ویژگیهای طیفی و ویژگیهای بعد فرکتال جهتدار استفاده میشود. سپس این دو بردار ویژگی برای هر پیکسل با هم الصاق شده و تشکیل یک بردار غنی از اطلاعات طیفی-مکانی را میدهد. در نهایت به منظور تعیین برچسب هر پیکسل، بردار ویژگی حاصل شده توسط الگوریتم ماشین بردار پشتیبان طبقهبندی می-شود. نتایج حاصل از روی دو تصویر ابرطیفی واقعی ایندین پاین و دانشگاه پاویا نشان میدهد که صحتها در روش پیشنهادی به طور متوسط در هر دو مجموعه داده بالای 98% است که بیش از 5% بالاتر از میانگین صحت چند روش دیگر طبقهبندی تصاویر ابرطیفی است.