طبقهبندی تصاویر فراطیفی به وسیله ی ترکیب روش ماشینهای بردار پشتیبان و مؤلفههای مستقل مقید

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 482

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCECN01_121

تاریخ نمایه سازی: 7 بهمن 1393

چکیده مقاله:

این پژوهش شامل یک روش ترکیبی، جهت طبقه بندی نظارت شده تصاویر سنجش از دور فرا طیفی می باشد. در طبقه بندی نظارت شده ، به اطلاعات اولیه از صحنه تصویر برداری همچون تعداد و نوع کلاس های حاضر به عنوان داده های آموزشی برای آموزش طبقه بندی کننده نیاز است. در روش پیشنهادی، با ترکیب فرآیند جداسازی طیفی و طبقه بندی نظارت شده ، نیاز به داشتن اطلاعات اولیه مرتفع می گردد. در این مقاله از روش تحلیل مؤلفه های مستقل مقید جهت جداسازی طیفی استفاده شده است. پس از استخراج مشخصه طیفی و فراوانی عناصرخالص موجود در صحنه، خالص ترین پیکسل ها از نقشه فراوانی هر عنصرخالص به عنوان داده آموزشی برگزیده می شوند. در مرحله بعد به منظور تهیه یک نقشه از پراکندگی فضایی این پدیده ها از روش طبقه بندی نظارت شده و الگوریتم طبقه بندی کننده ماشین بردار پشتیبان استفاده می شود. برای ارزیابی کارایی و دقت روش پیشنهادی دراین پژوهش، الگوریتم توسعه یافته بر روی پایگاه داده سالیناس مربوط به سنجنده آویریس مورد بررسی قرار گرفته است. دقت کلی و ضریب کاپا طبقه بندی روش پیشنهادی به ترتیب % 04/98 و % 65/97 است که درمقایسه با روش های مرسوم طبقه بندی نظارت شده بهتر هستند. روش پیشنهادی دارای دو مزیت است: نخست نیاز به داده های آموزشی از طریق فرآیند جدا سازی طیفی به صورت خود کار برطرف گردیده است، دوم آنکه گزینش بهترین داده ها جهت آموزش طبقه بندی کننده با داشتن ماتریس فراوانی عناصر خالص نتایج بهتری به دست می دهد.

کلیدواژه ها:

تصاویر فراطیفی ، ماشین های بردار پشتیبان ، مؤلفه های مستقل مقید ، دقت کلی ، ضریب کاپا

نویسندگان

زینب محمدی فرد

دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد بوشهر.

پیمان پارسا

دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد بوشهر.

علی رفیعی

استادیار دانشگاه آزاد اسلامی واحد کازرون

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 :
  • B. Guo, S. R. Gunn, R. Damper, and J. D. ...
  • D. Landgrebe, "Hyperspectral image data analysis, " Signal Processing Magazine, ...
  • G. M. Foody, "Sub-pixel methods in remote sensing, " Remote ...
  • L. Miao and H. Qi, "Endmember extraction from highly mixed ...
  • J. M. Bioucas-Dias, "A variable splitting augmented Lagrangian approach to ...
  • J. M. P. Nascimento and J. M. B. Dias, "Vertex ...
  • J. Plaza, E. M. T. Hendrix, I. Garcia, G. Martin, ...
  • T. H. Chan, and W. K. Ma, "A convex analysis-based ...
  • T. Kavzoglu and I. Colkesen, "A kernel functions analysis for ...
  • W. Xia, X. Liu, B. Wang, and L. Zhang, "Independent ...
  • نمایش کامل مراجع