Article

بهبود طبقه بندی طیفی- مکانی جنگل پوشای مینیمم با کاهش ابعاد تصاویر فراطیفی

داود اکبری، d. akbari surveying and geomatics engineering department, college of engineering, university of tehran, tehran, iranگروه مهندسی نقشه برداری - پردیس دانشکده های فنی - دانشگاه تهران عبدالرضا صفری، a. safari surveying and geomatics engineering department, college of engineering, university of tehran, tehran, iranگروه مهندسی نقشه برداری - پردیس دانشکده های فنی - دانشگاه تهران صفا خزائی، s. khazai department of civil engineering, college of engineering, imam hussein comprehensive university, tehran, iranگروه مهندسی عمران- دانشکده فنی- دانشگاه جامع امام حسین (ع) سعید همایونی، s. homayouni department of geography, university of ottawa, ottawa, canadaگروه جغرافیا- دانشگاه اوتاوا- کانادا

Abstract(in Persian; no English abstract is available)

فن آوری سنجش از دور فراطیفی دارای کاربردهای فراوان در طبقه بندی پوشش های زمین و بررسی تغییرات آنها است. با پیشرفت های اخیر و ایجاد تصاویری با قدرت تفکیک مکانی بالا، لزوم استفاده توام از اطلاعات طیفی و مکانی را در طبقه بندی تصاویر فراطیفی ایجاب می کند. در این تحقیق روشی جدید جهت طبقه بندی طیفی-مکانی تصاویر فراطیفی به کمک الگوریتم جنگل پوشای مینیمم ( msf) مبتنی بر نشانه ها که یکی از دقیق ترین الگوریتم ها در این زمینه است و تکنیک کاهش ابعاد معرفی می شود. در روش پیشنهادی تاثیر کاهش ابعاد تصاویر فراطیفی به کمک الگوریتم ژنتیک در سه مرحله قبل و بعد از انتخاب نشانه ها و به صورت همزمان بررسی می گردد. در این مطالعه نشانه ها از روی نقشه طبقه بندی ماشین بردار پشتیبان ( svm) انتخاب شدند. روش پیشنهادی بر روی سه تصویر فراطیفی pavia، telops و indian pines پیاده سازی گردید، نتایج آزمایشات بدست آمده برتری به کارگیری الگوریتم ژنتیک را قبل از انتخاب نشانه ها در تصاویر pavia و telops نشان می دهد. در تصویر indian pines کاهش ابعاد در هر دو مرحله قبل و بعد از انتخاب نشانه ها و به صورت همزمان موجب افزایش دقت طبقه بندی می گردد.

Similar items