بررسی روش های مختلف استخراج ویژگی به منظور طبقه بندی تصاویر پر طیفی

محل انتشار: همایش ژئوماتیک 86
سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,871

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

GEO86_139

تاریخ نمایه سازی: 14 شهریور 1385

چکیده مقاله:

طبقه بندی تصاویر پر طیفی یکی از مهم ترین و پر کاربردترین روش های استخراج اطلاعات در تصاویر ماهواره ای است. استخراج ویژگی یکی از مهم ترین روش های کاهش تعداد باندها در تصاویرت ماهواره ای پر طیفی به منظور انجام یک طبقه بندی مناسب است. درتصاویر ماهواره ای پر طیفی، به علت وجود تعداد زیادی باند و همچنین محدود بودن نمونه های آموزشیریال طبقه بندی این تصاویر با مشکل مواجه خواهد شد. این مشکل به علت پدیده Hughes اتفاق می افتد. روش های مختلف استخراج ویژگی با در نظر گرفتن تعداد ابعاد بهینه برای طبقه بندی تصاویر پر طیفی، مشکل به وجود آمده به علت پدیده Hughes را حل می نماید. در این مقاله به بررسی روش های استخراج ویژگی در تصاویر ماهواره ای پر طیفی پرداخته می شود. نتایج به دست آمده نشان می دهد که روش NWFE مناسب ترین روش برای استخراج ویژگی در تصاویر ماهواره ای پر طیفی می باشد.

نویسندگان

مجید رحیم زادگان

دانشجوی کارشناسی ارشد دانشگاه صنعتی خواجه نصیرالدین طوسی

محمدجواد ولدان زوج

دانشیار گروه سنجش از دور، دانشکده مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی

مسعود ورشوساز

استادیار گروه فتوگرامتری، دانشکده مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی

یاسر مقصودی مهرانی

کارشناس ارشد سنجش از دور، دانشگاه صنعتی خواجه نصیرالدین طوسی

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 :
  • David Landgrebe, Signal Theory Methods In Multispectral Remote Sensing, 508 ...
  • G. F. Hughes, _ On the mean accuracy of statistical ...
  • B-C. Kuo and D. A. Landgrebe, *'Improved Statistics Estimation And ...
  • Extraction For Hyperspectral Data C lassification?, PhD Thesis and School ...
  • J. P. Hoffbeck and D.A. Landgrebe, _ 4Classification of High ...
  • S. Tadjudin and D. A. Landgrebe, 4Covariance Estimation With Limited ...
  • Saldju Tadijudin and David Landgrebe, _ 4Classification of High Dimensional ...
  • J. P. Hoffbeck and D.A. Landgrebe, 4Covariance matrix estimation and ...
  • J.H. Friedman, *Regularized Discriminant Analysis' , Journal of the American ...
  • K. Fukunaga, Introduction to Statistical Pattern Recognition, Second Ed., Boston, ...
  • B-C. Kuo and D. A. Landgrebe, ، ^Nonp arametric Weighted ...
  • R, P. W. Duin and R. Haeb-Umb ach, ،#Multiclass Linear ...
  • Marco Loog, R.P.W. Duin, ،*Multiclass Linear Dimension Reduction by Weighted ...
  • PhD Thesis and School of Electrical Engineering Purdue University West ...
  • Chullee Lee and David Landgrebe, ،Feature Extraction And C lassificatiom ...
  • نمایش کامل مراجع