یوسف صداقت - دانشگاه آزاد اسلامی واحد بوشهر
حمید دهقانی - دانشگاه صنعتی مالک اشتر
جهان صداقت - دانشگاه آزاد اسلامی بوشهر

در طبقه بندی تصاویر سنجش از دور چند طیفی اگر از ویژگیهای طیفی یا بافتی به تنهایی استفاده شود معمولاً دستیابی به طبقه بندی با دقت بالا امکان پذیر نمی باشد. در این مقاله روش جدیدی با استفاده از الگوریتم بهینه سازی کلونی مورچه ها جهت یافتن بردار با چند ویژگی، متشکل از ویژگیهای طیفی و بافتی برای دستیابی به نتیجه بهتر در طبقه بندی ارائه شده است. نتایج نشان دادند که استفاده از ترکیب ویژگی های طیفی و بافتی بدست آمده از الگوریتم بهینه سازی کلونی مورچه ها همیشه باعث بهبود در طبقه بندی می شود.

بافت، بهینه سازی کلونی مورچه ها، تصویر چند طیفی، ویژگی طیفی