طبقه بندی تصاویر ابرطیفی مبتنی بر تلفیق ویژگی های مستخرج از روش های کدگذاری تنک، تبدیلات خطی و غیرخطی
چکیده:
طبقه بندی یکی از مهمترین روشهای استخراج اطلاعات از تصاویر ابرطیفی است. در این پژوهش، راهکاری نوین با هدف تولید ویژگی بهمنظور طبقهبندی این تصاویر پیشنهاد شده است. این راهکار تلفیقی از تبدیلات خطی، غیرخطی و نمایش تنک بهمنظور تولید ویژگیهای موثر در فرایند طبقهبندی تصاویر ابرطیفی است. در روند پیشنهادی، ابتدا با رویکردی جدید و نظارت شده از تبدیل غیرخطی تحلیل مؤلفههای اصلی (NLPCA) بهمنظور 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 کنندهی 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
فایل پایاننامه
لینک دانلود فایل