ارزیابی روش های بهینه سازی فرا ابتکاری به منظور اتوماسیون در روند انتخاب ویژگی و تعیین پارامترهای طبقه بندی تصاویر هوایی

طبقه بندی کارآمد تصویر یکی از مراحل مهم در کاربردهای شناسایی تغییرات، تفسیر تصویر و برخی دیگر از کاربردهای سنجش از دور است. به علت تعداد باندهای طیفی محدود، تصاویر هوایی رقومی مرسوم نمی توانند کلاس هایی با رفتار طیفی مشابه را از یکدیگر تفکیک کنند. به همین علت، بهره گیری از ویژگی های طیفی، بافتی و سایر منابع داده ها می تواند در تفکیک چنین کلاس هایی موثر و کارآمد باشد. با این حال، افزایش فضای ویژگی الزاما به منزله بهبود کامل نتایج طبقه بندی نیست، زیرا در بین ویژگی های ورودی، ویژگی های وابسته و نامرتبط وجود دارند که این امر منجر به کاهش دقت خواهد شد. در نتیجه، انتخاب ویژگی امری مهم و ضروری است. همچنین تعیین پارامترها در برخی از طبقه بندی ها امری مهم است زیرا مستقیما بر نتایج طبقه بندی تاثیرگذار خواهد بود. هدف این تحقیق بهره گیری از تکنیک های بهینه سازی فرا ابتکاری به منظور شناسایی و حذف ویژگی های وابسته و همچنین تعیین پارامترای دخیل در طبقه بندی است. در این تحقیق روش های مختلف انتخاب ویژگی (الگوریتم رقابت استعماری، ازدحام ذرات و جنگل تصادفی) بر روی دو مجموعه تصویر هوایی رقومی پیاده سازی و با یکدیگر مقایسه شدند و در نهایت به دست آمده از طبقه بندی به ازای ویژگی های بهینه و مستقل با طبقه بندی بیشینه شباهت (طبقه بندی معیار) مقایسه شدند. نتایج حاکی از آن است که در تصاویر، طبقه بندی با الگوریتم رقابت استعماری نسبت به طبقه بندی با استفاده از تمام ویژگی های ورودی بهبود قابل توجهی حاصل شده است. همچنین انتخاب ویژگی به کمک الگوریتم رقابت استعماری نسبت به چنگل تصادفی از نظر دقت کلی و معیار کیفیت تقریبا 4% افزایش یافته است. به طور کلی طبقه بندی با استفاده از روش های انتخاب ویژگی نسبت به طبقه بندی بیشینه شباهت از نظر دقت کلی و معیار کیفیت به ترتیب 26% و 32% بهبود یافته است. همچنین الگوریتم رقابت استعماری نسبت به سایر روش های انتخاب ویژگی از دقت بالاتری برخوردار است.

کلیدواژه ها:

طبقه بندی ، انتخاب ویژگی ، بهینه سازی پارامتر ، تصویر هوایی