جداسازی طبقه بندی بیزین تصاویر ابر طیفی در مدل مرتبه دو خطی

در این مقاله، الگوریتمی برای جداسازی طبقه بندی تصاویر ابرطیفی در مدل ترکیب غیرخطی ارایه شده که بر اساس استنتاج بیزین سلسله مراتبی است. مدل مرتبه دو خطی است که شامل هر دو بخش خطی غیرخطی از مشخصه های طیفی مواد خالص موجود در صحنه تصویر برداری می شود. این ترکیبات با نویز سفید جمع شونده گوسی جمع پیکسل ابر طیفی را تولید می نماید. در این روش از مدل میدان تصادفی مارکف برای بکارگیری اطلاعات همبستگی مکانی پیکسل های مجاور استفاده شده است. برای این کار فرض می شود تصویر ابر طیفی دارای کلاس های مختلفی است فراوانی مواد مختلف برای پیکسل های متعلق به هر کلاس، بسیار شبیه به هم می باشد. بدین ترتیب استنتاج بیزین طراحی از نمونه برادار مونت کارلو زنجیره مارکف برای تولید نمونه های فراوانی اندیس کلاس پیکسل ها استفاده شده است. ساختار پیشنهادی بردار فراوانی نقشه کلاس تصویر را به طور همزمان تخمین می زند. نتایج نشان می دهد این روش دارای دقت جداسازی بازسازی بهتری نسبت به الگوریتم خطی غیرخطی است.

کلیدواژه ها:

جداسازی ابرطیفی ، طبقه بندی ابرطیفی ، استنتاج بیزین ، مدل غیرخطی ، میدان تصادفی مارکف