بهبود دقت طبقه بندی به روش بیشترین شباهت با استفاده احتمالات اولیه

تصاویر ماهواره ای منابع عمده ای اط اطلاعات هستند و در زمینه های مختلفی همانند زمین شناسی و کشاورزی مور استفاده قرار می گیرند. بنابراین زیادی برای استخراج اطلاعات از این تصاویر صورت گرفته است و در این راستا روشهای متفاوتی توسعه یافته است. دو متد اصلی تفسیر بصری و آنالیز کمی وجود دارد. در میان تکنیک های رقومی طبقه بندی روشی متداول و قوی برای استخراج اطلاعات محسوب می شود. روشهای متفاوتی برای طبقه بندی وجود دارد که هر کدام مزایا و معایبی دارا می با شند. متدهای طبقه بندی استاندارد، پیکسلهای را به عنوان المان اصلی در نظر می گیرند و بر اساس اطلاعات طیفی به آنها بر چسب می دهند. آشکار است که اطلاعات طیفی به تنهایی نمی توانند دقت کافی برای تفسیر نتیجه دهند. شاید روش بیشترین شبهت یکی از روشهای متداول طبقه بندی است، فرضیه اولیه برای اجرای این روش تساوی احتمالات اولیه تمامی پوششها می باشد زیرا که هیچگونه اطلاعاتی در مورد آنها موجود نمی باشد. هرچند که نوع کلاس نشان دهنده بیشترین شباهت برای پیکسل می باشد ولی خطاهای کلاسه بندی اجتناب پذیر نمی باشند. هدف از این مقاله بهبود دقت طبقه بندی به روش بیشترین شباهت با استفاده از اطلاعات احتمال اولیه می باشد. احتمال اولیه با استفاده از تقویم پوشش گیاهی تخمین زده شده است.

کلیدواژه ها:

بیشترین شباهت ، خطاهای کلاسه بندی‌‌ ، احتمالات اولیه ، تقویم پوشش گیایهی