نویسندگان | سمیرا اله یاری بک؛ علیرضا صفدری نژاد؛ روح اله کریمی |
---|---|
نشریه | علوم و فنون نقشه برداری |
ارائه به نام دانشگاه | دانشگاه تفرش |
شماره صفحات | ۳۹-۵۳ |
شماره سریال | ۱ |
شماره مجلد | ۱۰ |
نوع مقاله | Full Paper |
تاریخ انتشار | ۱۳۹۹-۷-۱ |
رتبه نشریه | علمی - پژوهشی |
نوع نشریه | چاپی |
کشور محل چاپ | ایران |
چکیده مقاله
طبقه بندی یکی از مهمترین روش های استخراج اطلاعات از تصاویر ابرطیفی است. در این مقاله، راهکاری نوین با هدف تولید ویژگی بمنظور طبقهبندی این تصاویر پیشنهاد شده است. این راهکار تلفیقی از تبدیلات خطی، غیرخطی و نمایش تنک بمنظور تولید ویژگیهای موثر در فرایند طبقهبندی تصاویر ابرطیفی است. در روند پیشنهادی، ابتدا با رویکردی جدید و نظارت شده از تبدیل غیرخطی تحلیل مولفههای اصلی (NLPCA) بمنظور انتقال دادههای طیفی به فضایی با ابعاد بالاتر استفاده شده است. در مرحله دوم، بکمک تبدیل تحلیل تفکیکپذیری خطی(LDA) فرامکعب حاصل از مرحله قبل به فضایی با بعد کمتر انتقال مییابد. در ادامه با هدف هممقیاس کردن ویژگیهای تولیدی و بهرهگیری از پتانسیل تمامی دادههای آموزشی، دادهها از طریق روشهای تخمین تنک سیگنال به فضای ویژگی جدیدی با بعدی متناظر با تعداد کلاسهای طبقهبندی منتقل میشوند. در این تحقیق از طبقهبندی کننده ی k نزدیکترین همسایهی وزندار برای طبقهبندی فضای ویژگی استفاده شده است. این راهکار در دو دادهی ابرطیفی پیادهسازی شده و به طور متوسط بهبود دقت 6 درصدی را نسبت به باندهای طیفی و سایر زیر مجموعههای تلفیق ویژگی از روش پیشنهادی نشان داده است. کسب دقت کلی تا 99 درصد و همچنین تفکیک پذیری بالاتر کلاسهای با دادههای آموزشی اندک از ویژگیهای این روش محسوب میشود.
tags: تصویر ابرطیفی، طبقه بندی، نمایش تنک، استخراج ویژگی