آنالیز موفولوژی، با تمرکز بر آنالیز روابط مکانی بین پیکسلهای همسایه، پردازش تصویر کاملتری را در مقایسه با آنالیزهایی که بر پایة اثر طیفی یک پیکسل تنها هستند، بهدست میدهد. روش پیشنهادی در این مقاله با استفادة همزمان از اطلاعات طیفی و اطلاعات مکانی حاصل از آنالیز مورفولوژی نتایج نهایی طبقهبندی را در تصاویر ابرطیفی بهبود ...
بیشتر
آنالیز موفولوژی، با تمرکز بر آنالیز روابط مکانی بین پیکسلهای همسایه، پردازش تصویر کاملتری را در مقایسه با آنالیزهایی که بر پایة اثر طیفی یک پیکسل تنها هستند، بهدست میدهد. روش پیشنهادی در این مقاله با استفادة همزمان از اطلاعات طیفی و اطلاعات مکانی حاصل از آنالیز مورفولوژی نتایج نهایی طبقهبندی را در تصاویر ابرطیفی بهبود میبخشد. در این پژوهش ابتدا با استفاده از نمونههای آموزشی محدود، ویژگیهای منتخب اولیه استخراج شدند و پس از اعمال آنالیزهای مورفولوژی روی هر یک از آنها، پروفایلهای مورفولوژی تشکیل شدند و از ترکیب این پروفایلها، پروفایل مورفولوژی گسترده تولید شد. سپس پروفایل مورفولوژی گستردهشده با ویژگیهای منتخب اولیه ترکیب شد و مجدداً استخراج ویژگی نهایی صورت گرفت. ویژگیهای منتخب نهایی با استفاده از طبقهبندیکنندة ماشین بردار پشتیبان طبقهبندی شدند. سپس پسپردازش تصویر نهایی با استفاده از فیلتر رأیگیری اکثریت انجام شد. این روش، روی دادة شهری و نیمهشهری از سنجندة ROSIS تست شد. دقت طبقهبندی نهایی از 86/98 و 70/82 درصد در روشهای معمولی به 36/99 و 75/95 درصد در روش پیشنهادی بهترتیب در تصویر منطقة شهری و نیمهشهری افزایش یافته است. کلیدواژهها: آنالیز مورفولوژی، ماشینبردار پشتیبان، استخراج ویژگی، طبقهبندی، رأیگیری اکثریت.