بهبود طبقه بندی تصاویر ابرطیفی با استفاده از همبستگی مکانی پیکسلها و میدان تصادفی Gibbs

در سالهای اخیر به منظور بهبود صحت طبقه بندی تصاویر ابرطیفی الگوریتمهای استخراج ویژگی مانند تحلیل مولفه های اصلی، نگاشت جستجوگر، استخراج ویژگی با مرز تصمیم گیری و تبدیل موجک مورد استفاده قرار گرفتند. این الگوریتمها فقط از اطلاعات طیفی تصاویر ابرطیفی استفاده می کنند و به دلیل حجم زیاد داده ها و محدود بودن تعداد نمونه های آموزشی کارایی مطلوبی ندارند. در این مقاله با استفاده از یک الگوریتم طبقه بندی دو مرحله ای صحت و اعتبار کلی طبقه بندی بهبود داده شده است. در مرحله اول با استفاده از طبقه بندی کننده های کلاسیک یک طبقه بندی اولیه انجام می شود. در مرحله دوم با فرض همبستگی کلاس هر پیکسل با همسایه هایش و استفاده از توزیع Gibbs، نقشه حاصل از طبقه بندی مرحله اول بهبود می یابد. نتایج حاصل از طبقه بندی داده های واقعی سنجنده AVIRIS نشان می دهد که الگوریتم پیشنهادی برای طبق هبندی داده های ابرطیفی کارآمد بوده و مشکل محدود بودن تعداد نمونه های آموزشی را تا حد قابل توجهی جبران می نماید.

کلیدواژه ها:

تصاویر ابرطیفی ، سنجش از دور ، طبقه بندی ، میدان تصادفی Gibbs ، میدان تصادفی مارکف