اشکارسازی نمونه های پرت در طبقه بندی تصاویر ابرطیفی

سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,016

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CEIC03_196

تاریخ نمایه سازی: 4 آذر 1389

چکیده مقاله:

دراین مقاله سعی شده است که با ارائه روشی برای اشکارسازی نقاط پرت در الگوریتم EM(Expectation maximaization) صحت طبقه بندی تصاویر ابرطیفی را افزایش داد روش پیشنهاد شده براساس مقایسه مقدار انتروپی پیکسلهای تصویر می باشد از انجایی که الگوریتم EM تکرار شونده می باشد چنانچه در یک مرحله پیکسلی به اشتباه طبقه بندی شود این خطا وارد مرحله بعد شده و یا تکرار شدن الگوریتم خطا افزایش مییابد در حالیکه اگر در هر مرحله این پیکسل ها مشخص شودند و در مرحله بعدی الگوریتم در تخمین پارامترها بکار نروند میزان صحت واعتبار طبقه بندی را بهبود داد با استفاده از این روش صحت و اعتبار طبقه بندی یک تصویر ابرطیفی که توسط سنجنده AVIRIS ثبت شده نسبت به روشهای موجود بهبود یافته است.

نویسندگان

محبوبه لک

دانشکده فنی مهندسی بوشهر دانشگاه خلیج فارس

احمد کشاورز

دانشکده فنی مهندسی بوشهر دانشگاه خلیج فارس

حمید دهقانی

دانشکده فنی مهندسی دانشگاه مالک اشتر

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • _ _ _ Bottou (Eds.), Advances in neural information processing ...
  • Acuna E., Rodriguez C. A.. "Meta analysis study of outlier ...
  • نمایش کامل مراجع