استخراج ویژگی براساس پراکندگی نمونه های آموزشی هر کلاس به منظور طبقه بندی تصاویر ابرطیفی

در این مقاله یک روش خطی به منظور ا ستخراج ویژگی برای ت صاویر ابرطیفی ارایه شده است. یکی از مشخصات تصاویر ابرطیفی تعداد زیاد باندهای تصویر برداری می باشد. براساس این مشخصه برای طبقه بندی این تصاویر به نمونه های آموزشی زیادی احتیاج می باشد تا نتایج بدست آمده قابل قبول باشد. اما مشکل اینجاست که بدست آوردن نمونه های آموزشی کافی معمولا بسیار مشکل و در مواردی هم غیر ممکن می باشد. بنابراین در بحث طبقه بندی همواره با تعداد نمونه های آموزشییی محدود سییروکار داریم. در این حالت برای جلوگیر ی از کم شدن دقت طبقه بندی (پدیده هیوز) می توان تعداد ویژگی ها را براساس اطلاعات طیفی در باندهای مختلف کاهش داد. استخراج ویژگی یکی از روش های کاهش ویژگی می باشد و در طبقه بندی تصاویر ابرطیفی استفاده می شود. برای استخراج ویژگی روش های متعددی وجود دارد. در روش های خطی یک تابع انتقال بدست می آید و براساس آن دیتا به یکفضا دیگر با تعداد ویژگی ها کمتر منتقل می شود. روش ارایه شده در این مقاله یک روش خطی می باشد که در آن تابع انتقال براساس پراکندگی نمونه های آموزشی در هر کلاس بدست می آید. نتایج بدست آمده براساس پیاده سازی تمری کارایی این روش را نسبت به روش های معمول نشان می دهد.

کلیدواژه ها:

سنجش از دور ، تصاویر ابرطیفی ، طبقه بندی ، کاهش ویژگی ، استخراج ویژگی